CN112965529B - 一种面向台风观测的海洋滑翔机控制方法 - Google Patents
一种面向台风观测的海洋滑翔机控制方法 Download PDFInfo
- Publication number
- CN112965529B CN112965529B CN202110348875.0A CN202110348875A CN112965529B CN 112965529 B CN112965529 B CN 112965529B CN 202110348875 A CN202110348875 A CN 202110348875A CN 112965529 B CN112965529 B CN 112965529B
- Authority
- CN
- China
- Prior art keywords
- glider
- ocean
- sensor
- typhoon
- intelligent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Abstract
本发明公开一种面向台风观测的海洋滑翔机控制方法。本发明建立海洋滑翔机智能组件库,智能组件库中包括海洋滑翔机的传感器数据、海洋滑翔机控制算法,智能组件分三类进行储存:路径规划组件、传感器处理组件、导航组件。可以根据需要选择不同的组件进行路径规划,进行台风观测。本发明能够解决海洋滑翔机在控制过程中灵活性差,以及受海洋环境影响大的问题。
Description
技术领域
本发明涉及水下机器人技术领域,尤其涉及一种面向台风观测的海洋滑翔机控制方法。
背景技术
缺乏足够的台风精细结构的直接观测资料,是当前制约我国台风学科发展和预报能力进一步提升的主要瓶颈。随着海洋科技的发展,海洋滑翔机可以作为一种新型的海洋移动观测平台,它可以移动并且近距离观测台风,并具有长航时、智能化及清洁零排放等突出优点。它可长期、自主地执行水文调查、气象预报、通信中继及环境监测等作业任务,具有巨大的应用前景,已成为海洋滑翔机领域的研究热点。但是海洋滑翔机灵活性差,受海洋环境影响大。
发明内容
本发明的目的是为了克服现有技术中的不足,解决上述海洋滑翔机在控制过程中灵活性差,受海洋环境影响大,以及如何近距离观测台风的问题。提供一种能够灵活组合各种现有方法的能够人工调节参数的海洋滑翔机控制方法。
本发明的目的是通过以下技术方案实现的:
一种面向台风观测的海洋滑翔机控制方法,包含如下步骤:
S1、建立用于海洋滑翔机导航与控制的智能组件库,根据台风预测制定海洋滑翔机的目标航点;
S2、根据海洋滑翔机的具体海洋环境、传感器配置和目标位置选择相应的智能组件;
S3、运用智能组件完成海洋滑翔机的海洋环境感知、路径规划,到达目标位置后切换智能组件,观测台风,海洋滑翔机根据台风的移动路径进行跟踪;
S4、根据智能组件的最终的执行结果人工调节每个智能组件的参数。
进一步的,步骤S1中的智能组件库中包括海洋滑翔机的传感器数据、海洋滑翔机控制算法,智能组件分三类进行储存:路径规划组件、传感器处理组件、导航组件。
进一步的,步骤S2中,需要判断所使用的智能组件能否完成操作者所制定的任务,以及能否按照预定时间到达目标位置,如果不能,则切换传感器或者更改控制算法。
进一步的,步骤S3实现的具体步骤为:
S301、海洋滑翔机的传感器感知海洋环境,用于GPS定位确定其所在位置;
S302、操作人员根据海洋滑翔机的传感器所传回的信息进行对海洋滑翔机的运动参数进行调整,实现以最快的速度到达目标位置,并根据目标位置的海洋环境进行智能组件的调整,以更好的观测台风;
S303、路径规划组件智能处理,根据传感器的参数处理,进行海洋滑翔机的路径规划,跟踪并观测台风;
S304、操作人员实时监控海洋滑翔机状态,并通过预测网站实时监控台风位置,判断海洋滑翔机路径规划是否合理。
进一步的,步骤S4中根据海洋滑翔机的控制结果进行对传感器的算法参数、路径规划的算法参数以及导航组件的算法参数进行调整修改。
进一步的,所述的传感器处理组件包括压力传感器及其处理组件、定位传感器及其处理组件、深度传感器及其处理组件、高度传感器及其处理组件、角度传感器及其处理组件、CTD传感器及其处理组件、传感器配置选择组件。
进一步的,所述的路径规划组件包括神经网络规划组件、操作人员在线操作组件、蚁群路径规划组件。
进一步的,所述的导航组件包括导航控制算法组件、油囊控制组件、电池包控制组件。
与现有技术相比,本发明的技术方案所带来的有益效果是:
1.本发明方法能够使海洋滑翔机的灵活性好,适用于多种海洋滑翔机,缩短海洋滑翔机到达目标位置时间,减少能源损耗,提高海洋滑翔机的效率,可根据需要随时切换传感器、路径规划算法和控制算法。加以人工干预,海洋滑翔机的运动轨迹更加合理,更加精准的跟踪台风、观测台风。
2.本发明方法通过构建智能组件库,提高海洋滑翔机了的效率,缩短了海洋滑翔机到达目标位置时间,进而减少能源损耗;并且该方法适用于多种海洋滑翔机,普适性好;海洋滑翔机可根据需要随时切换传感器、路径规划算法和控制算法,使海洋滑翔机的灵活性好;对海洋滑翔机进行人工干预,使海洋滑翔机的运动轨迹更加合理,更加精准的跟踪台风、观测台风,并且提高了海洋滑翔机的容错率。
附图说明
图1是本发明方法的建立过程示意图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供了一种面向台风观测的海洋滑翔机控制方法,首先建立海洋滑翔机导航智能组件库。智能组件分为三大类:路径规划组件、传感器处理组件、导航组件。其中传感器处理组件包括压力传感器及其处理组件、定位传感器及其处理组件、深度传感器及其处理组件、高度传感器及其处理组件、角度传感器及其处理组件、CTD传感器及其处理组件。路径规划组件包括神经网络规划组件、操作人员在线操作组件、蚁群路径规划组件。导航组件包括导航控制算法组件、油囊控制组件、电池包控制组件。智能组件库中的组件可以根据需要进行添加和调整。
测试导航与控制方法。测试所选出的所选出的智能组件是否能达到任务要求。如果不能达到,则调整或更换传感器,更改路径规划算法。若能达到要求则可以完成构建,进入导航与控制方法的执行阶段。
如图1是本发明海洋滑翔机的导航与控制方法的构建步骤。
海洋滑翔机传感器观测海洋环境并进行处理。海洋滑翔机通过定位传感器定位,并观测周围的环境,其中包括深度传感器确定海洋滑翔机的滑翔深度,角度传感器确定自身的姿态。
路径规划组件处理。海洋滑翔机根据传感器所处理的信息,包括外部海洋环境,自身位置等等,通过神经网络规划智能组件计算得到最优的滑翔路径。最后操作人员根据导航控制效果对导航效果进行评价。
台风观测效果评价。最后通过台风的路径与海洋滑翔机的路径进行对比,以及对海洋滑翔机所收集的数据进行分析,做出对台风观测效果的评价。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案,上述的具体实施方式仅仅是示意性的,并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下,本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换,这些均属于本发明的保护范围之内。
Claims (7)
1.一种面向台风观测的海洋滑翔机控制方法,其特征在于,包含如下步骤:
S1、建立用于海洋滑翔机导航与控制的智能组件库,根据台风预测制定海洋滑翔机的目标航点;
S2、根据海洋滑翔机的具体海洋环境、传感器配置和目标位置选择相应的智能组件;
S3、运用智能组件完成海洋滑翔机的海洋环境感知、路径规划,到达目标位置后切换智能组件,观测台风,海洋滑翔机根据台风的移动路径进行跟踪;具体步骤为:
S301、海洋滑翔机的传感器感知海洋环境,用于GPS定位确定其所在位置;
S302、操作人员根据海洋滑翔机的传感器所传回的信息进行对海洋滑翔机的运动参数进行调整,实现以最快的速度到达目标位置,并根据目标位置的海洋环境进行智能组件的调整,以更好的观测台风;
S303、路径规划组件智能处理,根据传感器的参数处理,进行海洋滑翔机的路径规划,跟踪并观测台风;
S304、操作人员实时监控海洋滑翔机状态,并通过预测网站实时监控台风位置,判断海洋滑翔机路径规划是否合理
S4、根据智能组件的最终的执行结果人工调节每个智能组件的参数。
2.根据权利要求1所述的一种面向台风观测的海洋滑翔机控制方法,其特征在于,步骤S1中的智能组件库中包括海洋滑翔机的传感器数据、海洋滑翔机控制算法,智能组件分三类进行储存:路径规划组件、传感器处理组件、导航组件。
3.根据权利要求1所述的一种面向台风观测的海洋滑翔机控制方法,其特征在于,步骤S2中,需要判断所使用的智能组件能否完成操作者所制定的任务,以及能否按照预定时间到达目标位置,如果不能,则切换传感器或者更改控制算法。
4.根据权利要求1所述的一种面向台风观测的海洋滑翔机控制方法,其特征在于,步骤S4中根据海洋滑翔机的控制结果进行对传感器的算法参数、路径规划的算法参数以及导航组件的算法参数进行调整修改。
5.根据权利要求2所述的一种面向台风观测的海洋滑翔机控制方法,其特征在于,所述的传感器处理组件包括压力传感器及其处理组件、定位传感器及其处理组件、深度传感器及其处理组件、高度传感器及其处理组件、角度传感器及其处理组件、CTD传感器及其处理组件、传感器配置选择组件。
6.根据权利要求2所述的一种面向台风观测的海洋滑翔机控制方法,其特征在于,所述的路径规划组件包括神经网络规划组件、操作人员在线操作组件、蚁群路径规划组件。
7.根据权利要求2所述的一种面向台风观测的海洋滑翔机控制方法,其特征在于,所述的导航组件包括导航控制算法组件、油囊控制组件、电池包控制组件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110348875.0A CN112965529B (zh) | 2021-03-31 | 2021-03-31 | 一种面向台风观测的海洋滑翔机控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110348875.0A CN112965529B (zh) | 2021-03-31 | 2021-03-31 | 一种面向台风观测的海洋滑翔机控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112965529A CN112965529A (zh) | 2021-06-15 |
CN112965529B true CN112965529B (zh) | 2022-03-18 |
Family
ID=76280577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110348875.0A Active CN112965529B (zh) | 2021-03-31 | 2021-03-31 | 一种面向台风观测的海洋滑翔机控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112965529B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115855065B (zh) * | 2023-02-17 | 2023-09-05 | 亿海蓝(北京)数据技术股份公司 | 航路动态规划方法及系统、可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102862667A (zh) * | 2012-09-26 | 2013-01-09 | 浙江大学 | 混合型水下航行探测器 |
CN103984348A (zh) * | 2014-06-10 | 2014-08-13 | 国家海洋技术中心 | 基于波浪能推动的自主航行观测平台控制系统 |
CN105629992A (zh) * | 2016-02-05 | 2016-06-01 | 哈尔滨工程大学 | 一种威胁互联网下uuv的航路规划方法 |
CN108674617A (zh) * | 2018-04-28 | 2018-10-19 | 中国海洋大学 | 水下智能浮动观测装置及其控制系统 |
-
2021
- 2021-03-31 CN CN202110348875.0A patent/CN112965529B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102862667A (zh) * | 2012-09-26 | 2013-01-09 | 浙江大学 | 混合型水下航行探测器 |
CN103984348A (zh) * | 2014-06-10 | 2014-08-13 | 国家海洋技术中心 | 基于波浪能推动的自主航行观测平台控制系统 |
CN105629992A (zh) * | 2016-02-05 | 2016-06-01 | 哈尔滨工程大学 | 一种威胁互联网下uuv的航路规划方法 |
CN108674617A (zh) * | 2018-04-28 | 2018-10-19 | 中国海洋大学 | 水下智能浮动观测装置及其控制系统 |
Non-Patent Citations (1)
Title |
---|
海燕在台风中心完成现场观测 海洋将不再神秘;央视网;《创新中国第五集 空海》;20180126;视频34分27秒-41分39秒 * |
Also Published As
Publication number | Publication date |
---|---|
CN112965529A (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grisetti et al. | Improving grid-based slam with rao-blackwellized particle filters by adaptive proposals and selective resampling | |
CN112099510B (zh) | 一种基于端边云协同的智能体控制方法 | |
CN110379247B (zh) | 一种多任务、多角色的rov协同训练仿真系统及方法 | |
Correll et al. | Multirobot inspection of industrial machinery | |
CN101543400A (zh) | 动物行为学检测与自动分析系统和动物行为学分析方法 | |
CN116625327B (zh) | 一种大数据驱动的海洋环境监测与预警方法 | |
CN112965529B (zh) | 一种面向台风观测的海洋滑翔机控制方法 | |
CN111348161B (zh) | 一种应用于海洋牧场的资源环境监测系统及其操作方法 | |
CN116755474A (zh) | 一种无人机用电力巡线方法及系统 | |
Xiong et al. | A scheme on indoor tracking of ship dynamic positioning based on distributed multi-sensor data fusion | |
CN116494201A (zh) | 一种监控一体化的电力机房巡检机器人及无人巡检方法 | |
CN115164884B (zh) | 一种无人机飞行状态在线监测系统 | |
CN110568140A (zh) | 一种基于机器仿生鱼的污染源探查定位方法 | |
Shi et al. | Integrated Navigation by a Greenhouse Robot Based on an Odometer/Lidar. | |
CN110656975B (zh) | 一种基于虚拟现实与acp平行智能的隧道救援系统及方法 | |
CN111735922B (zh) | 基于水下机器人的水产养殖监测系统 | |
CN117282580A (zh) | 一种用于喷涂流水线的智能机械手及控制方法 | |
Rashid et al. | Construction equipment activity recognition from IMUs mounted on articulated implements and supervised classification | |
CN109977884A (zh) | 目标跟随方法和装置 | |
CN114943858A (zh) | 数据中心巡检系统、电池异常识别方法、设备及存储介质 | |
Zheng et al. | Design of multi-robot collaborative navigation and control system based on ROS and laser SLAM | |
Wei et al. | Design of Deep Learning Algorithm in the Control System of Intelligent Inspection Robot of Substation | |
Mahamedi et al. | Automating equipment productivity measurement using deep learning | |
Zhang et al. | Research on intelligent health management technology of opto-electronic equipment | |
CN113034718A (zh) | 一种基于多智能体的地铁管道巡检系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |