CN112985516A - 一种基于人工侧线的水下履带装备状态感知系统 - Google Patents
一种基于人工侧线的水下履带装备状态感知系统 Download PDFInfo
- Publication number
- CN112985516A CN112985516A CN202110497641.2A CN202110497641A CN112985516A CN 112985516 A CN112985516 A CN 112985516A CN 202110497641 A CN202110497641 A CN 202110497641A CN 112985516 A CN112985516 A CN 112985516A
- Authority
- CN
- China
- Prior art keywords
- artificial
- detection
- underwater crawler
- underwater
- equipment
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Abstract
本发明公开了一种基于人工侧线的水下履带装备状态感知系统,包括安装在待进行状态感知的水下履带装备上的人工侧线系统、惯性传感器、超声波探测头、多通道信号采集模块以及数据处理模块;其中,多通道信号采集模块用于循环采集人工侧线系统的检测信号,并传递到数据处理模块;数据处理模块用于基于人工侧线系统的检测信号,融合惯性传感器和超声波探测头的检测信号,结合涡街理论与伯努利理论,感知当前流场状态下的水流来流速度,来流方向,并对当前流场中的水下履带装备状态进行主动感知,实现水下履带装备的姿态检测、局部流场检测和障碍物检测。本发明可以有效地预测水下履带装备作业过程中的局部流场信息、装备姿态信息以及局部障碍物信息。
Description
技术领域
本发明涉及水下履带装备环境感知与紧急避障技术领域,特别涉及一种基于人工侧线的水下履带装备状态感知系统。
背景技术
近年来,河流水涝频发,造成了严重的人员伤亡和经济损失,应急救援装备的研制发展迫在眉睫。水涝灾害多样,地点不定,导致单一的应急救援装备难以用于所有场景。例如水流较为湍急、河面较窄的河道,普通的清淤船无法有效作业,可以依靠具备遥控作业能力的强涉水、多功能、高机动的履带式装备协同进行地面水下应急救援作业,完成清淤、推障、探测等功能。
水下应急抢险环境较恶劣,以河流应急抢险为例,履带装备水下行走作业过程中,河流浑浊,能见度低,水下空间环境复杂,伴随着电磁干扰,导致视觉信号与声呐信号难以发挥功效。在河流流速较快时,水动力严重影响水下履带装备行走作业的稳定性。而失稳的履带装备会严重制约应急救援任务的进度。
水下履带式应急救援装备,是一种水下特种装备,在具备行走功能的前提下,需要具有特定的作业功能。与普通水下航行器不同,水下履带装备不具备流线外形,其局部水动力更加复杂,且履带与水下土壤接触,稀软的水下地形同样对履带装备的姿态产生影响。因此,传统的感知技术无法有效实现水下履带装备状态的精确感知;所以亟需寻求一种依靠多种车载传感器,多模态数据融合的方法,对水下履带装备状态进行感知,以保障应急抢险工作的顺利进行。
发明内容
本发明提供了一种基于人工侧线的水下履带装备状态感知系统,以解决针对水下应急救援中,河流水域浑浊,作业环境复杂,当视觉信号与电磁信号无法发挥作用时,现有技术无法有效实现水下履带装备状态感知的技术问题。
为解决上述技术问题,本发明提供了如下技术方案:
一种基于人工侧线的水下履带装备状态感知系统,所述水下履带装备状态感知系统包括安装在待进行状态感知的水下履带装备上的人工侧线系统、惯性传感器、超声波探测头、多通道信号采集模块和数据处理模块;
所述多通道信号采集模块用于循环采集所述人工侧线系统的检测信号,并将采集到的所述人工侧线系统的检测信号传递到所述数据处理模块;
所述数据处理模块用于基于所述人工侧线系统的检测信号,融合所述惯性传感器和所述超声波探测头的检测信号,结合涡街理论与伯努利理论,感知当前流场状态下的水流来流速度,来流方向,并对当前流场中的水下履带装备状态进行主动感知,实现水下履带装备的姿态检测、局部流场检测和障碍物检测。
进一步地,所述人工侧线系统包括多个压强传感器。
进一步地,所述人工侧线系统的布置方式为:
利用三维建模软件,批量建立不同姿态的水下履带装备和不同地形的水下环境的三维实体模型;根据建立的实体模型,通过流体动力学仿真软件对水下履带装备水下行驶过程进行模拟,得到水下履带装备外形上压强变化的敏感点;
在各压强变化的敏感点处分别布置压强传感器,组成人工侧线系统。
进一步地,所述数据处理模块具体用于:
对所述信号采集模块传递进来的所述人工侧线系统的检测信号进行卡尔曼滤波,然后进行傅里叶变换,得到所述人工侧线系统的时域信号和频域信号;
基于所述人工侧线系统的时域信号和频域信号,融合所述惯性传感器的检测信号和所述超声波探测头的检测信号,结合涡街理论与伯努利理论,感知当前流场状态下的水流来流速度,来流方向,并对当前流场中的水下履带装备状态进行主动感知,实现水下履带装备的姿态检测、局部流场检测和障碍物检测。
进一步地,所述局部流场检测,包括:
根据所述人工侧线系统的时域信号的峰值大小和所述人工侧线系统中压强传感器的位置判断来流速度,并融合所述惯性传感器的检测信号校正来流方向。
进一步地,所述水下履带装备的姿态检测,包括:
基于当前流场信息中的局部流场检测结果,融合所述惯性传感器的检测信号,判断当前流场信息中,水下履带装备的横摆状态和俯仰状态。
进一步地,所述障碍物检测,包括:
根据所述人工侧线系统的时域信号的数值分布规律,对比无障碍物的水下履带装备的人工侧线系统的检测信号作为基准信号,并融合所述超声波探测头的检测信号,根据伯努利原理,对水下履带装备的侧方障碍物信息进行检测;
根据所述人工侧线系统的频域信号特征频率,对比无障碍物的水下履带装备的人工侧线系统的检测信号,并融合所述超声波探测头的检测信号,计算当前流场的雷诺数,应用涡街理论对水下履带装备的前方障碍物信息进行检测。
进一步地,所述多个压强传感器被均分为多组;
当水下履带装备靠近壁面,近壁判别系数计算公式如下:
本发明提供的技术方案带来的有益效果至少包括:
本发明为了对水下履带装备作业过程中的局部流场信息、装备姿态信息、局部障碍物信息进行预测,开发了基于人工侧线的水下履带装备状态感知系统。该系统可以在水下视觉信号与声呐信号无法正常发挥作用的复杂极端水环境中,实现水下履带装备的环境感知与紧急避障。通过履带装备水下拘束实验结合流体动力学仿真的方法对该系统进行验证,结果表明该系统可以有效地预测水下履带装备作业过程中的局部流场信息、装备姿态信息以及局部障碍物信息。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于人工侧线的水下履带装备状态感知系统的工作原理示意图;
图2为本发明实施例提供的水下履带装备的预测流程图;
图3为本发明实施例提供的水下履带装备的压强传感器分布图;其中,(a)为压强传感器分布的立体示意图,(b)为压强传感器分布的平面示意图;
图4为本发明实施例提供的装备前方障碍物的观测点压强结果图;
图5为本发明实施例提供的装备无障碍物的人工侧线信号示意图;
图6为本发明实施例提供的装备靠近河道壁面的人工侧线信号示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本实施例提供了一种基于人工侧线的水下履带装备状态感知系统,该水下履带装备状态感知系统可以针对水下应急救援中,河流水域浑浊,作业环境复杂,当视觉信号与电磁信号无法发挥作用时,基于人工侧线系统对水下履带装备附近的水域环境进行主动感知,预测水下履带装备局部流场信息、履带作业装备姿态、附近障碍物位置尺寸检测,实现水下履带车自主避障功能。
如图1所示,该系统包括安装在水下履带装备上的人工侧线系统、惯性传感器IMU、超声波探测头、多通道信号采集模块以及数据处理模块;
人工侧线系统采集的是特征点的压强信号,用于检测特征点的压强变化信息。本实施例设置特征点数量为12个,传感器的数量可以根据所需的精度要求作调整;惯性传感器IMU采集的是水下履带装备的6轴加速度信息,与人工侧线信号进行融合,用于预测装备状态;超声波探测头采集的是高频超声信号,与人工侧线信号进行融合,用于预测障碍物信息。
多通道信号采集模块用于使用I2C协议循环采集人工侧线系统的检测信号,并将采集到的人工侧线系统的检测信号传递到数据处理模块;
数据处理模块用于基于人工侧线系统的检测信号,融合惯性传感器IMU的检测信号和超声波探测头的检测信号,结合涡街理论与伯努利理论,感知当前流场状态下的水流来流速度,来流方向,并对当前流场中的水下履带装备状态进行主动感知,实现水下履带装备的姿态检测、局部流场检测和障碍物检测。
其中,人工侧线系统是模仿鱼的侧线系统结构,是一种水下传感技术,目前人工侧线的应用范围仅限于仿鱼类水下航行器,且多集中在理论研究,并没有应用于水下作业装备的实例。对此,本实施例结合水下履带装备的结构特性,开发了一套基于人工侧线的水下履带装备状态感知系统,以人工侧线系统为主,融合IMU信号与超声波信号,结合涡街理论与伯努利理论,主动预测当前流场状态下的履带装备姿态,履带装备前方和侧方障碍物位置与大小等信息。
具体地,本实施例中的人工侧线系统包括多个压强传感器,压强传感器的布置方式为基于水下履带装备的结构特征,应用流体动力学仿真确定水动力敏感点位置,布置压强传感器的最优位置。其具体实现方式为:利用三维建模软件,批量建立不同姿态的水下履带装备和不同地形的水下环境的三维实体模型;根据建立的三维实体模型,通过流体动力学仿真软件对水下履带装备水下行驶过程进行模拟,得到水下履带装备外形上压强变化的敏感点;在各压强变化的敏感点处分别布置压强传感器,以均布的压强传感器作为人工侧线系统。
进一步地,如图2所示,上述数据处理模块具体用于:对信号采集模块传递进来的人工侧线系统的检测信号进行卡尔曼滤波,然后进行傅里叶变换,从而得到人工侧线系统的时域信号和频域信号;然后基于处理后的人工侧线系统的时域信号和频域信号,融合IMU信号与超声波信号,实现局部流场检测、水下履带装备的姿态检测和装备周围的障碍物检测。
其中,局部流场检测原理如下:
根据人工侧线系统的时域信号的峰值大小和人工侧线系统中压强传感器的位置,对当前流场信息中的来流速度进行判断,融合IMU信号校正来流方向。
水下履带装备的姿态检测原理如下:
基于当前流场信息中的局部流场检测结果,融合IMU信号,判断当前流场信息中,水下履带装备的横摆状态和俯仰状态,得到当前水下履带装备的姿态。
障碍物检测包括侧方障碍物检测和前方障碍物检测,其原理如下:
采集无障碍物的水下履带装备人工侧线系统的检测信号作为基准信号;
侧方障碍物检测:
根据人工侧线系统的时域信号的数值分布规律,对比无障碍物的水下履带装备的人工侧线系统的检测信号作为基准信号,根据伯努利原理,可以对侧方障碍物进行检测,融合超声波信号,可以判断侧方障碍物尺寸。
其中,伯努利原理是在流体力学的连续介质理论方程建立之前,水力学所采用的基本原理,其实质是流体的机械能守恒。即等高流动时,流体的动能、重力势能、压力势能之和为常数,即:
式中:为流体中某一点的压强;为流体的密度;为该点的流速;为重力加速度;为该点所处的高度;为常数。从该方程可以得出,在同一高度的流场中,人工侧线系统各压强传感器所在测量点处的水流速度与压强值呈一定关系,流场中固定一点的流速大伴随着压强小,而流速小伴随着压强大。根据伯努利原理,可以根据同一高度的人工侧线系统对履带装备的侧方障碍物进行检测,并根据当前流速,对侧方障碍物与履带装备的距离进行预测。
前方障碍物检测:
根据人工侧线系统的频域信号特征频率,对比无障碍物的水下履带装备的人工侧线系统的检测信号,并融合超声波探测头的检测信号,计算当前流场的雷诺数,应用涡街理论对水下履带装备的前方障碍物信息进行预测。
其中,涡街是在自然界常遇到的一种物理现象,即在一定条件下的定常来流绕过某些物体时,物体两侧会周期性地脱落出旋转方向相反、排列规则的双列线涡,经过非线性作用后,形成涡街,涡街的脱落频率f为:
式中:为斯特劳哈尔数;为来流速度;为物体特征长度。当雷诺数为300~3×105时,近似于0.21;当雷诺数为3×105~3×106时,有规则的涡街便不再存在;当雷诺数大于3×106时,涡街又会自动出现,这时近似于0.27。根据涡街理论,得到流体相应的雷诺数和流速,可以估算涡街的脱离频率。本实施例的人工侧线系统可以采集局部流场的变化信息,通过对时域信号进行傅里叶变换,识别涡脱的特征频率,可对履带装备前方的障碍物大小进行检测。
下面,采用仿真模拟的方式构建本实施例的感知系统并进行效果验证。
利用三维建模软件,批量建立不同姿态的履带装备、不同地形的水下环境的三维实体模型,根据建立的三维实体模型,通过流体动力学仿真软件对履带装备水下行驶过程进行模拟,得到装备外形上压强变化的敏感点,作为履带装备水动力监测点,即压强传感器布置位置,如图3所示,布置12个压强传感器。
将三维流体动力学计算映射到二维空间,并细化网格,对不同姿态、不同流速、不同障碍物的履带装备行驶过程进行流体动力学仿真,得到人工侧线系统中各压强传感器的数值,其中,装备前方障碍物的观测点压强结果如图4所示。将各压强传感器信号进行数据处理,分别得到时域数据和频域数据,然后根据得到的时频数据和频域数据,结合IMU信号与超声波信号,通过人工侧线信号预测水下履带装备的局部来流速度与来流方向、当前履带装备与来流方向的横摆夹角和俯仰夹角、前方障碍物、侧方近壁信息。
进一步地,本实施例将12个压强传感器分为6组,即1、12号传感器为第1组,2、11号传感器为第2组,3、10号传感器为第3组,4、9号传感器为第4组,5、8号传感器为第5组,6、7号传感器为第6组,综合考虑传感器的正压和负压关系,以及传感器数值,融合IMU信号,预测局部流场信息。具体的,以履带装备河流近壁模型为例,预先测量无障碍物时的传感器信息,作为先验数据。当履带装备靠近壁面,近壁判别系数计算如以下公式:
式中: 表示第i组压强传感器对应的近壁判别系数,表示有障碍物时,第组传感器读数的差值,表示第组传感器无障碍物时的均值,当进口流速为0.5m/s时,无障碍物时,第2、3、4、5组观测点的判别系数为0.1、0.11、0.16、0.09,当靠近壁面时,相对应传感器组的观测点的判别系数为1、1.3、1.1、1.2,远高于无障碍物时的数值,可以作为一种水下履带装备的近壁判别方法,如图5、图6所示。
通过运行水下履带装备状态感知及预测,得出结论,结果表明实施例提供的基于人工侧线的水下履带装备状态感知系统可以有效地对水下履带装备局部流场信息、装备姿态信息、前方障碍物信息、侧方近壁信息进行预测。
综上,本实施例为了对水下履带装备作业过程中的局部流场信息、装备姿态信息、局部障碍物信息进行预测,开发了基于人工侧线的水下履带装备状态感知系统,本系统以涡街理论和伯努利理论为基础,采用水下履带装备局部流场信息预测、装备姿态信息预测、局部障碍物信息预测,实现了水下履带装备状态的实时感知,可在视觉信号与声呐信号无法正常发挥作用的复杂水下场景中,实现水下履带装备的环境感知与紧急避障。并且,本实施例应用履带装备水下拘束实验结合流体动力学仿真的方法,分别对水下履带装备局部流场信息预测、装备姿态信息预测、局部障碍物信息预测进行了验证,结果表明本实施例提供的水下履带装备状态感知系统可以有效地预测水下履带装备作业过程中的局部流场信息、装备姿态信息、局部障碍物信息。
此外,需要说明的是,本发明可提供为方法、装置或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
最后需要说明的是,以上所述是本发明优选实施方式,应当指出,尽管已描述了本发明优选实施例,但对于本技术领域的技术人员来说,一旦得知了本发明的基本创造性概念,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
Claims (8)
1.一种基于人工侧线的水下履带装备状态感知系统,其特征在于,所述水下履带装备状态感知系统包括安装在待进行状态感知的水下履带装备上的人工侧线系统、惯性传感器、超声波探测头、多通道信号采集模块和数据处理模块;
所述多通道信号采集模块用于循环采集所述人工侧线系统的检测信号,并将采集到的所述人工侧线系统的检测信号传递到所述数据处理模块;
所述数据处理模块用于基于所述人工侧线系统的检测信号,融合所述惯性传感器和所述超声波探测头的检测信号,结合涡街理论与伯努利理论,感知当前流场状态下的水流来流速度,来流方向,并对当前流场中的水下履带装备状态进行主动感知,实现水下履带装备的姿态检测、局部流场检测和障碍物检测。
2.如权利要求1所述的基于人工侧线的水下履带装备状态感知系统,其特征在于,所述人工侧线系统包括多个压强传感器。
3.如权利要求2所述的基于人工侧线的水下履带装备状态感知系统,其特征在于,所述人工侧线系统的布置方式为:
利用三维建模软件,批量建立不同姿态的水下履带装备和不同地形的水下环境的三维实体模型;根据建立的实体模型,通过流体动力学仿真软件对水下履带装备水下行驶过程进行模拟,得到水下履带装备外形上压强变化的敏感点;
在各压强变化的敏感点处分别布置压强传感器,组成人工侧线系统。
4.如权利要求2所述的基于人工侧线的水下履带装备状态感知系统,其特征在于,所述数据处理模块具体用于:
对所述信号采集模块传递进来的所述人工侧线系统的检测信号进行卡尔曼滤波,然后进行傅里叶变换,得到所述人工侧线系统的时域信号和频域信号;
基于所述人工侧线系统的时域信号和频域信号,融合所述惯性传感器的检测信号和所述超声波探测头的检测信号,结合涡街理论与伯努利理论,感知当前流场状态下的水流来流速度,来流方向,并对当前流场中的水下履带装备状态进行主动感知,实现水下履带装备的姿态检测、局部流场检测和障碍物检测。
5.如权利要求4所述的基于人工侧线的水下履带装备状态感知系统,其特征在于,所述局部流场检测,包括:
根据所述人工侧线系统的时域信号的峰值大小和所述人工侧线系统中压强传感器的位置判断来流速度,并融合所述惯性传感器的检测信号校正来流方向。
6.如权利要求4所述的基于人工侧线的水下履带装备状态感知系统,其特征在于,所述水下履带装备的姿态检测,包括:
基于当前流场信息中的局部流场检测结果,融合所述惯性传感器的检测信号,判断当前流场信息中,水下履带装备的横摆状态和俯仰状态。
7.如权利要求4所述的基于人工侧线的水下履带装备状态感知系统,其特征在于,所述障碍物检测,包括:
根据所述人工侧线系统的时域信号的数值分布规律,对比无障碍物的水下履带装备的人工侧线系统的检测信号作为基准信号,并融合所述超声波探测头的检测信号,根据伯努利原理,对水下履带装备的侧方障碍物信息进行检测;
根据所述人工侧线系统的频域信号特征频率,对比无障碍物的水下履带装备的人工侧线系统的检测信号,并融合所述超声波探测头的检测信号,计算当前流场的雷诺数,应用涡街理论对水下履带装备的前方障碍物信息进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110497641.2A CN112985516B (zh) | 2021-05-08 | 2021-05-08 | 一种基于人工侧线的水下履带装备状态感知系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110497641.2A CN112985516B (zh) | 2021-05-08 | 2021-05-08 | 一种基于人工侧线的水下履带装备状态感知系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112985516A true CN112985516A (zh) | 2021-06-18 |
CN112985516B CN112985516B (zh) | 2021-08-20 |
Family
ID=76337257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110497641.2A Active CN112985516B (zh) | 2021-05-08 | 2021-05-08 | 一种基于人工侧线的水下履带装备状态感知系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112985516B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113985876A (zh) * | 2021-10-27 | 2022-01-28 | 广州大学 | 基于仿生鱼类觅食的海洋垃圾回收路径规划方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105333988A (zh) * | 2015-11-25 | 2016-02-17 | 中国海洋大学 | 一种人工侧线压力检测方法 |
CN205209685U (zh) * | 2015-11-25 | 2016-05-04 | 中国海洋大学 | 一种人工侧线压力检测装置 |
CN105711778A (zh) * | 2016-03-11 | 2016-06-29 | 北京大学 | 新型自主式仿生机器鱼 |
CN106153978A (zh) * | 2016-06-20 | 2016-11-23 | 天津大学 | 基于光纤mems法珀微腔的流速测试装置与测试方法 |
CN106564577A (zh) * | 2016-11-02 | 2017-04-19 | 中国海洋大学 | 一种基于仿生侧线的多功能auv |
CN106989758A (zh) * | 2017-05-24 | 2017-07-28 | 北京大学 | 基于人工侧线系统的邻近水下机器人近距离感知方法 |
CN108362334A (zh) * | 2018-02-02 | 2018-08-03 | 西安交通大学 | 一种水下仿生侧线感知阵列 |
JP2018177087A (ja) * | 2017-04-18 | 2018-11-15 | Ihi運搬機械株式会社 | 軌道走行式機械の制動装置 |
CN109298430A (zh) * | 2018-08-08 | 2019-02-01 | 西安交通大学 | 一种水下复合仿生探测装置及探测目标融合识别方法 |
CN110275169A (zh) * | 2019-06-12 | 2019-09-24 | 上海大学 | 一种水下机器人近场检测感知系统 |
CN110763428A (zh) * | 2019-10-16 | 2020-02-07 | 北京机电工程研究所 | 一种感知仿生鱼体周围流场的传感器布局方法 |
-
2021
- 2021-05-08 CN CN202110497641.2A patent/CN112985516B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105333988A (zh) * | 2015-11-25 | 2016-02-17 | 中国海洋大学 | 一种人工侧线压力检测方法 |
CN205209685U (zh) * | 2015-11-25 | 2016-05-04 | 中国海洋大学 | 一种人工侧线压力检测装置 |
CN105711778A (zh) * | 2016-03-11 | 2016-06-29 | 北京大学 | 新型自主式仿生机器鱼 |
CN106153978A (zh) * | 2016-06-20 | 2016-11-23 | 天津大学 | 基于光纤mems法珀微腔的流速测试装置与测试方法 |
CN106564577A (zh) * | 2016-11-02 | 2017-04-19 | 中国海洋大学 | 一种基于仿生侧线的多功能auv |
JP2018177087A (ja) * | 2017-04-18 | 2018-11-15 | Ihi運搬機械株式会社 | 軌道走行式機械の制動装置 |
CN106989758A (zh) * | 2017-05-24 | 2017-07-28 | 北京大学 | 基于人工侧线系统的邻近水下机器人近距离感知方法 |
CN108362334A (zh) * | 2018-02-02 | 2018-08-03 | 西安交通大学 | 一种水下仿生侧线感知阵列 |
CN109298430A (zh) * | 2018-08-08 | 2019-02-01 | 西安交通大学 | 一种水下复合仿生探测装置及探测目标融合识别方法 |
CN110275169A (zh) * | 2019-06-12 | 2019-09-24 | 上海大学 | 一种水下机器人近场检测感知系统 |
CN110763428A (zh) * | 2019-10-16 | 2020-02-07 | 北京机电工程研究所 | 一种感知仿生鱼体周围流场的传感器布局方法 |
Non-Patent Citations (2)
Title |
---|
XINGWEN ZHENG等: "Online State Estimation of a Fin-Actuated Underwater Robot Using Artificial Lateral Line System", 《IEEE TRANSACTIONS ON ROBOTICS》 * |
何虹江: "基于人工侧线的机器鱼障碍物感知及避障研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113985876A (zh) * | 2021-10-27 | 2022-01-28 | 广州大学 | 基于仿生鱼类觅食的海洋垃圾回收路径规划方法及系统 |
CN113985876B (zh) * | 2021-10-27 | 2023-09-26 | 广州大学 | 基于仿生鱼类觅食的海洋垃圾回收路径规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112985516B (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chambers et al. | A fish perspective: detecting flow features while moving using an artificial lateral line in steady and unsteady flow | |
CN107031331B (zh) | 横穿道路的异常检测系统和方法 | |
CN108319293B (zh) | 一种基于lstm网络的uuv实时避碰规划方法 | |
CN105807769B (zh) | 无人水下航行器ivfh避碰方法 | |
CN108715166B (zh) | 基于深度学习的车辆稳定性指标估计方法 | |
CN107608346A (zh) | 基于人工势场的船舶智能避障方法及系统 | |
Liu et al. | A new bionic lateral line system applied to pitch motion parameters perception for autonomous underwater vehicles | |
CN103529844A (zh) | 基于前视声纳的水下机器人避碰方法 | |
CN111949032A (zh) | 一种基于强化学习的3d避障导航系统及方法 | |
CN108490939B (zh) | 在局部感知能力下的势流法的避障方法 | |
CN112985516B (zh) | 一种基于人工侧线的水下履带装备状态感知系统 | |
Park et al. | Vehicle positioning based on velocity and heading angle observer using low-cost sensor fusion | |
CN109795484A (zh) | 车辆控制方法和设备 | |
CN104180873A (zh) | 一种单波束测深仪水深粗差检测修正方法及系统 | |
KR20200030282A (ko) | 수중 이동체용 조류 측정 센서 조립체 | |
Wang et al. | Terrain adaptive estimation of instantaneous centres of rotation for tracked robots | |
Muhammad et al. | Underwater map-based localization using flow features | |
Muhammad et al. | Map-based localization and loop-closure detection from a moving underwater platform using flow features | |
CN103744110B (zh) | 超声与单目视觉传感器结合的障碍物识别装置 | |
Li et al. | A new artificial lateral line attitude perception method based on mixed activation function-multilayer perceptron (MAF-MLP) | |
CN110887471A (zh) | 应用在引水隧洞中检测设备的定位系统、方法及控制器 | |
Dang et al. | A simple braking model for detecting incidents locations by smartphones | |
CA2821738A1 (en) | Method for estimating the water speed of an acoustic node | |
Qiu et al. | Development of hybrid neural network and current forecasting model based dead reckoning method for accurate prediction of underwater glider position | |
KR102561270B1 (ko) | 구조 구난을 위한 해상 표류물의 위치 추정 방법 및 장치 |
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 |