CN113170758B - 一种基于鱼群行为和底部排污特性的变速流智能控制系统 - Google Patents
一种基于鱼群行为和底部排污特性的变速流智能控制系统 Download PDFInfo
- Publication number
- CN113170758B CN113170758B CN202110428548.6A CN202110428548A CN113170758B CN 113170758 B CN113170758 B CN 113170758B CN 202110428548 A CN202110428548 A CN 202110428548A CN 113170758 B CN113170758 B CN 113170758B
- Authority
- CN
- China
- Prior art keywords
- fish
- culture pond
- flow
- variable
- water
- 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
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 100
- 230000006399 behavior Effects 0.000 title claims abstract description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 101
- 238000004088 simulation Methods 0.000 claims abstract description 37
- 239000010802 sludge Substances 0.000 claims abstract description 27
- 239000012530 fluid Substances 0.000 claims abstract description 19
- 238000009360 aquaculture Methods 0.000 claims abstract description 13
- 244000144974 aquaculture Species 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 230000003134 recirculating effect Effects 0.000 claims abstract description 10
- 230000033001 locomotion Effects 0.000 claims description 18
- 230000009182 swimming Effects 0.000 claims description 16
- 239000002245 particle Substances 0.000 claims description 9
- 239000012071 phase Substances 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 230000001052 transient effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims description 2
- 239000007790 solid phase Substances 0.000 claims description 2
- 230000005514 two-phase flow Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 5
- 238000009395 breeding Methods 0.000 description 4
- 230000001488 breeding effect Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K63/00—Receptacles for live fish, e.g. aquaria; Terraria
- A01K63/04—Arrangements for treating water specially adapted to receptacles for live fish
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K63/00—Receptacles for live fish, e.g. aquaria; Terraria
- A01K63/04—Arrangements for treating water specially adapted to receptacles for live fish
- A01K63/047—Liquid pumps for aquaria
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了一种基于鱼群行为和底部排污特性的变速流智能控制系统，系统包括循环水养殖池、循环水处理系统、投饲机、高清摄像头、变频水泵、计算机、PLC控制器等；该系统主要利用机器视觉技术与计算流体力学模拟技术对养殖池底部污泥排放进行分析和评估，以此制定变速流策略。本发明的装置结构简单，方法精准简便，本发明的智能变速流系统适合于循环水养殖模式，能有效的解决现有循环水养殖系统中的底部污泥难以排出，存在水流死区，造成水质变差，影响鱼的生长福利等问题。
Description
技术领域
本发明属于工厂化循环水水产养殖流速控制领域，涉及一种基于鱼群行为和底部排污特性的变速流智能控制系统，尤其涉及一种融合鱼群行为和底部排污特性的高密度循环水养殖中变速流智能控制系统。
背景技术
工厂化循环水养殖是一种具有效益高、密度高、用水少等特点的养殖方式，逐步被人们所接受和越来越多的被应用到生产实践中去。循环水养殖关键是保证养殖池良好的水质，好的水质对养殖生物的健康有着重要的作用。而有效的清除以残饵、粪便等为主要成分的养殖池底污泥，是保障养殖水质的核心。底泥排污效率与池内流场特性直接相关。流速和鱼群行为对流场特性的影响显著，与养殖池系统的底部排污效率密不可分。高流速有利于保持良好的水质状况，但水泵会处于高速运转状态，增加了系统能耗，不利于节省成本；低流速可以降低系统能耗，但颗粒物的排出速率也随之变慢，导致养殖水质恶化，养殖池底部出现污泥堆积，从而不利于鱼的生长。此外，鱼群可以增加流场扰动，促进底部颗粒物的再悬浮，减少池中死水区的污物聚集。然而目前循环水养殖系统通常采用额定速率的循环水策略，并没有考虑鱼群行为对底部排污的影响，鱼群行为对流场影响和流速确定的研究应用也比较少。
基于以上问题，本发明提出的是一种基于鱼群行为和底部排污特性的变速流智能控制系统，通过计算机视觉技术，实时获取鱼群的行为和生长状况，并将此与底部污泥的物理参数和养殖池底部排污特性结合，利用计算流体力学(CFD)技术进行池内流场分布和排污效果的仿真分析，以模拟结果为依据调控流速，从而在满足底部排污的基础上，达到经济节能，创造适合鱼群生长环境的目的。
发明内容
本发明的目的在于提供一种基于鱼群行为和底部排污特性的变速流智能控制系统，该系统可基于鱼群行为和底部排污特性实现变速流智能精准控制，具体是根据养殖池中游泳型鱼类在时间和空间上的变化特征和养殖池底的污泥状态，运用机器视觉和计算流体力学技术进行实时分析，自动调整变频水泵的转速，改变当前变速流方式，从而实现排污效果-能耗经济双赢，为循环水养殖的底部排污提供良好的参考和技术支撑。
本发明采用的技术方案如下：
一种基于鱼群行为和底部排污特性的变速流智能控制系统，包括循环水养殖池、循环水处理系统、投饲机、高清防水摄像头、计算机、PLC控制器、变频水泵；所述投饲机用于向养殖池内投饲，所述摄像头安装于养殖池正上方，摄像头、计算机、PLC控制器、变频水泵依次相连，所述的变频水泵安装于循环水处理系统中。变频水泵与养殖池通过管道连接，养殖池的水不断抽入循环水处理系统中，经去除颗粒物并降解有机质处理后再注入养殖池内。
所述系统通过计算机视觉技术实时获取鱼群的行为和生长状况，并将此与养殖池内底部污泥的物理参数和养殖池底部排污特性结合，利用计算流体力学CFD模型进行池内流场分布和排污效果的仿真分析，以模拟结果为依据调控循环水养殖池中循环水的流速。对流速的调控分为投喂前和投喂后两个阶段。投喂前通过计算机视觉系统获取鱼群游泳和底部污泥状态并将其作为PLC的模拟输入，PLC依据当前获取的状态信息修正已有的CFD模型，更新计算域，改变已有的边界条件和控制参数，对该状态下的养殖池内流场分布和排水口处平均固相分布等进行数值模拟，根据拟合效果调整变频水泵的转速，改变当前变速流策略；投喂后在鱼群游泳和底部污泥状态评估基础上，PLC依据当前获取的投喂饲料质量和粒径等物理参数以及鱼群的摄食规律模型，运用固—液两相流模型进行数值模拟，根据颗粒迹线等仿真结果，改变变频水泵的转速，调整当前变速流策略。
具体控制方法包括如下步骤：
在投喂前的阶段：
1)养殖池上方的高清摄像机将实时拍摄画面传输至计算机；
2)控制中心将当前画面由RGB色彩模型转换至YCrCb色彩模型，继而在YCrCb色彩模型利用深度学习算法实现当前画面下的养殖对象的像素级分割，获得鱼群在养殖池中的空间分布位置、鱼类游泳的运动形态；
3)由获取的鱼类实时游泳形态，得到鱼体的摆动规律(鱼体质心的运动规律)的运动模式：
其中ai(x,t)是t时刻位于x坐标处鱼的尾部摆幅，l代表鱼体长度，可以通过高清防水摄像头拍照后图像识别处理得到。ω是鱼尾的摆动频率，θ0是零时刻鱼尾的摆动角度，k为考虑鱼体前进游动引入的修正因子，其定义为：
其中u、v是鱼体在水平面内x、y两个方向上的速度分量；可以通过高清防水摄像头高速摄像后图像识别获得。
4)基于鱼类摆动规律的运动模式，得到鱼体和周围水流的相互作用力模型：
其中F是作用在鱼身上的流体作用力，r是鱼体质心的位置，M是鱼体质量。Fx,Fy,Fz分别是作用在鱼体表面力在x、y、z方向上的三个分量，根据鱼在游动过程中主要受到的三种力：推力Ft、压差阻力Fp、和摩擦力Ff求和得到；
5)基于机器视觉获得的鱼群空间分布位置，更新计算流体力学进行仿真模拟的区域，即确定需要进行数值模拟的养殖池空间范围；
6)将鱼类对水体的扰动视为水流动力，促进底部排污的驱动源，基于鱼体和周围水流的相互作用力模型，更新计算流体力学的仿真模型，调整湍流强度I、湍动能k、湍动耗散率ε等湍流参数；
上述5)、6)中的更新主要是通过调整软件中的参数，使模型与机器视觉检测的养殖池内实时状态更为相符，具体的调整方式可以根据实际情况进行自行控制；
7)利用计算流体力学(CFD)技术进行养殖池内流场分布和排污效果的仿真分析，其中采用有限体积法对控制方程中的瞬态项、对流项、扩散项和源项进行离散，采用欧拉全隐格式对时间项进行离散；
其中
在上述方程中，β是伪压缩系数，p为压强，u、v、w是笛卡尔坐标系下x,y,z方向上的速度分量，t是物理时间，τ是虚拟时间。Re是雷诺数，νt是湍流的涡黏性系数，q是虚拟时间的内迭代所需的瞬态项参数。
8)根据模拟结果确定养殖池内的水流死区占比η和排污率φ；
其中，Vwt是t时刻水流死区体积，Vw0是初始时刻水流死区体积，mt是t时刻底部污泥质量，m0是初始时刻底部污泥质量。
9)当η大于设定的阈值10％或φ低于设定的阈值70％时，计算机经PLC控制三相水泵改变其转速，直到重新模拟结果的η或φ符合要求；反之，则保持原流速。
在投喂后的阶段：
1)同投喂前操作的1)～6)步骤；
2)根据投喂饲料的质量、密度和粒径等物理参数，对计算流体力学的仿真模型进行修改。使用多相流模型分析未被鱼类摄食的饲料在养殖池中的运动迹线，计算获得将余饵在养殖池中完全排空所需要的时间t；
其中a是与雷诺数、湍流状态有关的常数，取值范围0.5～2，h是养殖池的水面高度，V是养殖池内水流的平均切向速度；ξ是阻力系数，通过雷诺数Re计算获得：ξ＝b(Re)-n，根据流场状态不同，常数b取值范围0.4～20，常数n取值范围0～1，ρ为水的密度，ρs为底部污泥密度，R为养殖池半径，d为底部污泥的平均粒径；
3)t时间内，计算机经PLC控制三相水泵增加转速(通常可设为增加10％)，水流速度增大；t时间后，恢复原流速。
本发明的有益效果是：
本发明的基于鱼群行为和底部排污特性的变速流智能控制系统控制方式简便，智能化水平高，能够高效地实现养殖池底污泥的去除。不但可以利用计算流体力学精准模拟养殖池内流场和污泥的分布状态，与实际测量数据相比成本低、效率高、数据结果完整、结果可视化强，而且能够与机器视觉相结合，判定鱼群行为在时间/空间上的变化特征，在此基础上动态调控当前流速，在节能减排的基础上，改善鱼的生长环境，促进鱼的生长。
附图说明
图1是应用于循环水的基于鱼群行为和底部排污特性的变速流智能控制系统结构示意图。
图中：1-循环水养殖池；2-循环水处理系统；3-投饲机；4-高清防水摄像头；5-计算机；6-PLC控制器；7-变频水泵；
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1，是本发明的基于鱼群行为和底部排污特性的变速流智能控制系统，包括循环水养殖池1、循环水处理系统2、投饲机3、高清防水摄像头4、计算机5、PLC控制器6、变频水泵7；
循环水养殖池1的外部安装有循环水处理系统2，循环水处理系统2将养殖废水经过过滤，杀菌、增氧等一系列操作后输送给循环水养殖池1，极大地提高了水资源的利用率；
投饲机3和高清防水摄像头4均安装在循环水养殖池1的中间正上方，且投饲机3和高清防水摄像头4均与计算机5相连；摄像头的安装位置可以保证摄像头可以拍摄到整个投饲区域；
PLC控制器6的输入端与计算机5相连，输出端与变频水泵7相连；
高清防水投影头4拍到的图像数据传输给计算机5，计算机5首先利用图像处理技术分析出鱼的空间分布和游泳特征，并且确定底部污泥和养殖池内饲料等颗粒物的状态。在此基础上确定计算流体力学拟合的计算域、边界条件和控制参数，使用CFD软件分析出实时流场分布，与提前设定的阈值对比，一方面将处理结果传送至PLC控制器6，用于变频水泵7的转速，另一方面可以将仿真云图呈现在显示屏上，更加直观。
应用上述系统进行变速流控制如下步骤：
在投喂前的阶段：
1)养殖池上方的高清摄像机将实时拍摄画面传输至计算机；
2)控制中心将当前画面由RGB色彩模型转换至YCrCb色彩模型，继而在YCrCb色彩模型利用深度学习算法实现当前画面下的养殖对象的像素级分割，获得鱼群在养殖池中的空间分布位置、鱼类游泳的运动形态；
3)由获取的鱼类实时游泳形态，得到鱼体的摆动规律(鱼体质心的运动规律)的运动模式：
其中ai(x,t)是t时刻位于x坐标处鱼的尾部摆幅，l代表鱼体长度，可以通过高清防水摄像头(4)拍照后图像识别处理得到。ω是鱼尾的摆动频率，θ0是零时刻鱼尾的摆动角度，k为考虑鱼体前进游动引入的修正因子，其定义为：
其中u、v是鱼体在水平面内x、y两个方向上的速度分量；可以通过高清防水摄像头4高速摄像后图像识别处理获得。
4)基于鱼类摆动规律的运动模式，得到鱼体和周围水流的相互作用力模型：
其中F是作用在鱼身上的流体作用力，r是鱼体质心的位置，M是鱼体质量。Fx,Fy,Fz分别是作用在鱼体表面力在x、y、z方向上的三个分量，根据鱼在游动过程中主要受到的三种力：推力Ft、压差阻力Fp、和摩擦力Ff求和得到；
5)基于机器视觉获得的鱼群空间分布位置，更新计算流体力学进行仿真模拟的区域，即确定需要进行数值模拟的养殖池空间范围；
6)将鱼类对水体的扰动视为水流动力，促进底部排污的驱动源，基于鱼体和周围水流的相互作用力模型，更新计算流体力学的仿真模型，调整湍流强度I、湍动能k、湍动耗散率ε等湍流参数；
7)利用计算流体力学(CFD)技术进行养殖池内流场分布和排污效果的仿真分析，其中采用有限体积法对控制方程中的瞬态项、对流项、扩散项和源项进行离散，采用欧拉全隐格式对时间项进行离散；
其中
在上述方程中，β是伪压缩系数，p为压强，u、v、w是笛卡尔坐标系下x,y,z方向上的速度分量，t是物理时间，τ是虚拟时间。Re是雷诺数，νt是湍流的涡黏性系数，q是虚拟时间的内迭代所需的瞬态项参数。
8)根据模拟结果确定养殖池内的水流死区占比η和排污率φ；
其中，Vwt是t时刻水流死区体积，Vw0是初始时刻水流死区体积，mt是t时刻底部污泥质量，m0是初始时刻底部污泥质量。
9)当η大于设定的阈值10％或φ低于设定的阈值70％时，计算机经PLC控制三相水泵改变其转速，直到重新模拟结果的η或φ符合要求；反之，则保持原流速。
在投喂后的阶段：
1)同投喂前操作的1)～6)步骤；
2)根据投喂饲料的质量、密度和粒径等物理参数，对计算流体力学的仿真模型进行修改。使用多相流模型分析未被鱼类摄食的饲料在养殖池中的运动迹线，计算获得将余饵在养殖池中完全排空所需要的时间t；
其中a是与雷诺数、湍流状态有关的常数，取值范围0.5～2，h是养殖池的水面高度，V是养殖池内水流的平均切向速度；ξ是阻力系数，通过雷诺数Re计算获得：ξ＝b(Re)-n，根据流场状态不同，常数b取值范围0.4～20，常数n取值范围0～1，ρ为水的密度，ρs为底部污泥密度，R为养殖池半径，d为底部污泥的平均粒径；
3)t时间内，计算机经PLC控制三相水泵增加转速，水流速度增大；t时间后，恢复原流速。
本发明的装置结构简单，方法精准简便，本发明的智能变速流系统适合于循环水养殖模式，能有效的解决现有循环水养殖系统中的底部污泥难以排出，存在水流死区，造成水质变差，影响鱼的生长福利等问题。
以上公开的仅为本发明的具体实施例，但本发明并非局限于此，对于本领域的普通技术人员来说，在不脱离本发明的前提下，做出的变形应视为属于本发明保护范围。
Claims (2)
1.一种基于鱼群行为和底部排污特性的变速流智能控制系统，其特征在于，包括循环水养殖池(1)、投饲机(3)、高清防水摄像头(4)、计算机(5)、PLC控制器(6)、变频水泵(7)；循环水养殖池(1)的外部安装有循环水处理系统(2)；
投饲机(3)安装在循环水养殖池(1)的正上方，且投饲机(3)与计算机(5)的输入端相连；
高清防水摄像头(4)安装在循环水养殖池(1)的正上方，且高清防水摄像头(4)与计算机(5)相连；
PLC控制器(6)的输入端与计算机(5)相连，输出端与变频水泵(7)相连，变频水泵(7)用于控制循环水流速；
所述系统通过计算机视觉技术实时获取鱼群的行为和生长状况，并将此与养殖池内底部污泥的物理参数和养殖池底部排污特性结合，利用计算流体力学CFD模型进行池内流场分布和排污效果的仿真分析，以模拟结果为依据调控循环水养殖池中循环水的流速；
对流速的调控分为投喂前和投喂后两个阶段：投喂前通过计算机视觉系统获取鱼群游泳和底部污泥状态并将其作为PLC的模拟输入，PLC依据当前获取的状态信息修正CFD模型，更新计算域，改变已有的边界条件和控制参数，对该状态下的养殖池内流场分布和排水口处平均固相分布进行数值模拟，根据拟合效果调整变频水泵的转速，改变当前变速流策略；投喂后在鱼群游泳和底部污泥状态评估基础上，PLC依据当前获取的投喂饲料物理参数以及鱼群的摄食规律模型，运用固—液两相流模型进行数值模拟，根据仿真结果，改变变频水泵的转速，调整当前变速流策略；
在投喂前的阶段：
1)计算机视觉系统将实时拍摄的养殖池画面传输至计算机控制中心；
2)控制中心将当前画面由RGB色彩模型转换至YCrCb色彩模型，继而在YCrCb色彩模型利用深度学习算法实现当前画面下的养殖对象的像素级分割，获得鱼群在养殖池中的空间分布位置、鱼类游泳的运动形态；
3)由获取的鱼类实时游泳形态，得到鱼体的摆动规律即鱼体质心运动规律的运动模式：
其中ai(x,t)是t时刻位于x坐标处鱼的尾部摆幅，l代表鱼体长度，ω是鱼尾的摆动频率，θ0是零时刻鱼尾的摆动角度，k为考虑鱼体前进游动引入的修正因子，其定义为：
其中u、v是鱼体在水平面内x、y两个方向上的速度分量；
4)基于鱼类摆动规律的运动模式，得到鱼体和周围水流的相互作用力模型：
其中F是作用在鱼身上的流体作用力，r是鱼体质心的位置，M是鱼体质量；Fx,Fy,Fz分别是作用在鱼体表面力在x、y、z方向上的三个分量，根据鱼在游动过程中主要受到的三种力：推力Ft、压差阻力Fp、和摩擦力Ff求和得到；
5)基于鱼群空间分布位置，更新计算流体力学进行仿真模拟的区域，即确定需要进行数值模拟的养殖池空间范围；
6)将鱼类对水体的扰动视为水流动力，促进底部排污的驱动源，基于鱼体和周围水流的相互作用力模型，更新计算流体力学的仿真模型，调整湍流参数，包括湍流强度I、湍动能k、湍动耗散率ε；
7)利用计算流体力学CFD模型进行养殖池内流场分布和排污效果的仿真分析，其中采用有限体积法对控制方程中的瞬态项、对流项、扩散项和源项进行离散，采用欧拉全隐格式对时间项进行离散；
其中
在上述方程中，β是伪压缩系数，p为压强，u、v、w是笛卡尔坐标系下x,y,z方向上的速度分量，t是物理时间，τ是虚拟时间；Re是雷诺数，νt是湍流的涡黏性系数，q是虚拟时间的内迭代所需的瞬态项参数；
8)根据模拟结果确定养殖池内的水流死区占比η和排污率φ；
其中，Vwt是t时刻水流死区体积，Vw0是初始时刻水流死区体积，mt是t时刻底部污泥质量，m0是初始时刻底部污泥质量；
9)当η大于设定的阈值10％或φ低于设定的阈值70％时，计算机经PLC控制变频水泵改变其转速，直到重新模拟结果的η或φ符合要求；反之，则保持原流速。
2.根据权利要求1所述的基于鱼群行为和底部排污特性的变速流智能控制系统，其特征在于，
在投喂后的阶段：
1)首先由计算机视觉系统实时拍摄的养殖池画面，由计算机控制中心更新计算流体力学进行仿真模拟的区域，并更新计算流体力学的仿真模型，具体操作与投喂前阶段中相同；
2)根据投喂饲料的质量、密度和粒径物理参数，对计算流体力学的仿真模型进行修改；使用多相流模型分析未被鱼类摄食的饲料在养殖池中的运动迹线，计算获得将余饵在养殖池中完全排空所需要的时间t；
其中a是与雷诺数、湍流状态有关的常数，取值范围0.5～2，h是养殖池的水面高度，V是养殖池内水流的平均切向速度；ξ是阻力系数，通过雷诺数Re计算获得：ξ＝b(Re)-n，根据流场状态不同，常数b取值范围0.4～20，常数n取值范围0～1，ρ为水的密度，ρs为底部污泥密度，R为养殖池半径，d为底部污泥的平均粒径；
3)在t时间内，计算机经PLC控制变频水泵转速增加10％，水流速度增大；t时间后，恢复原流速。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110428548.6A CN113170758B (zh) | 2021-04-21 | 2021-04-21 | 一种基于鱼群行为和底部排污特性的变速流智能控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110428548.6A CN113170758B (zh) | 2021-04-21 | 2021-04-21 | 一种基于鱼群行为和底部排污特性的变速流智能控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113170758A CN113170758A (zh) | 2021-07-27 |
| CN113170758B true CN113170758B (zh) | 2022-05-03 |
Family
ID=76923903
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110428548.6A Active CN113170758B (zh) | 2021-04-21 | 2021-04-21 | 一种基于鱼群行为和底部排污特性的变速流智能控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113170758B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113973765B (zh) * | 2021-09-30 | 2023-08-04 | 珠海市现代农业发展中心(珠海市金湾区台湾农民创业园管理委员会、珠海市农渔业科研与推广中心) | 一种基于物联网的新对虾养殖模拟装置及模拟方法 |
| CN114847209B (zh) * | 2022-04-14 | 2023-03-28 | 华中农业大学 | 一种基于多因子综合控制的鱼类智能投喂方法及系统 |
| CN114793958B (zh) * | 2022-04-25 | 2023-02-21 | 浙江省舟山市水产研究所 | 一种测定大黄鱼流速的装置及方法 |
| CN117215218B (zh) * | 2023-08-22 | 2024-02-13 | 佛山市南海区杰大饲料有限公司 | 一种鱼类循环水养殖池的动态排污的控制方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4819581A (en) * | 1987-09-14 | 1989-04-11 | Lakey Sr Robert W | Method of inducing feeding behavior in fish |
| CN104317241A (zh) * | 2014-10-29 | 2015-01-28 | 浙江大学 | 用于循环水养殖的变速流智能水质控制系统 |
| CN104621021A (zh) * | 2015-03-05 | 2015-05-20 | 浙江大学 | 基于计算机视觉技术的鱼类摄食节律自动检测装置及方法 |
| CN106614243A (zh) * | 2016-09-13 | 2017-05-10 | 浙江大学 | 一种用于池塘循环流水养殖的高效集污和智能投饲系统 |
| CN110915749A (zh) * | 2019-12-23 | 2020-03-27 | 广州观星农业科技有限公司 | 利用水体动力学高效集污的方法 |
| CN111165414A (zh) * | 2020-01-15 | 2020-05-19 | 浙江大学 | 一种基于光-声耦合技术的游泳型鱼类自适应投喂装置及方法 |
| CN111443744A (zh) * | 2020-04-17 | 2020-07-24 | 浙江大学 | 基于鱼群行为和排氨规律反馈的循环水养殖变速流智能控制系统 |
-
2021
- 2021-04-21 CN CN202110428548.6A patent/CN113170758B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4819581A (en) * | 1987-09-14 | 1989-04-11 | Lakey Sr Robert W | Method of inducing feeding behavior in fish |
| CN104317241A (zh) * | 2014-10-29 | 2015-01-28 | 浙江大学 | 用于循环水养殖的变速流智能水质控制系统 |
| CN104621021A (zh) * | 2015-03-05 | 2015-05-20 | 浙江大学 | 基于计算机视觉技术的鱼类摄食节律自动检测装置及方法 |
| CN106614243A (zh) * | 2016-09-13 | 2017-05-10 | 浙江大学 | 一种用于池塘循环流水养殖的高效集污和智能投饲系统 |
| CN110915749A (zh) * | 2019-12-23 | 2020-03-27 | 广州观星农业科技有限公司 | 利用水体动力学高效集污的方法 |
| CN111165414A (zh) * | 2020-01-15 | 2020-05-19 | 浙江大学 | 一种基于光-声耦合技术的游泳型鱼类自适应投喂装置及方法 |
| CN111443744A (zh) * | 2020-04-17 | 2020-07-24 | 浙江大学 | 基于鱼群行为和排氨规律反馈的循环水养殖变速流智能控制系统 |
Non-Patent Citations (1)
| Title |
|---|
| 海水循环水养殖系统中生物膜生长调控与水体循环优化研究;沈加正;《中国博士学位论文全文数据库（电子期刊）》;20170215;D052-28 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113170758A (zh) | 2021-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113170758B (zh) | 一种基于鱼群行为和底部排污特性的变速流智能控制系统 | |
| CN110074030B (zh) | 一种融合机器视觉与红外检测技术的反馈式池塘循环水智能投饲系统 | |
| CN111443744B (zh) | 基于鱼群行为和排氨规律反馈的循环水养殖变速流智能控制系统 | |
| CN112400773B (zh) | 一种基于机器视觉技术的温室鱼苗智能投饲装置及方法 | |
| CN111240200A (zh) | 鱼群投饵控制方法、鱼群投饵控制装置及投饵船 | |
| Carlson et al. | Escaping the flow: boundary layer use by the darter Etheostoma tetrazonum (Percidae) during benthic station holding | |
| Tang et al. | An improved YOLOv3 algorithm to detect molting in swimming crabs against a complex background | |
| CN108445746A (zh) | 一种智能投喂控制方法及装置 | |
| CN113749030B (zh) | 一种适用于循环水养殖模式的鱼类福利化自适应投饲系统 | |
| CN114627554A (zh) | 一种水产品自动化养殖投饲集中管理方法及系统 | |
| Hu et al. | Detection of residual feed in aquaculture using YOLO and Mask RCNN | |
| Zang et al. | Artistic preprocessing for painterly rendering and image stylization | |
| CN111778153A (zh) | 一种连续性体外模拟人体肠道菌群发酵的设备及方法 | |
| Klotsman et al. | Animation of flocks flying in line formations | |
| Zhou et al. | An underwater target recognition method based on improved YOLOv4 in complex marine environment | |
| Tu et al. | Perceptual modeling for the behavioral animation of fishes | |
| CN116050304B (zh) | 一种智能鱼流场模拟控制方法、系统、设备及存储介质 | |
| Liang et al. | Recognition and classification of ornamental fish image based on machine vision | |
| CN114304035B (zh) | 循环水养殖系统鱼群运动对养殖池内水动力及流场影响的研究方法 | |
| Qaddoori et al. | A classifier design for micro bubble generators based on deep learning technique | |
| CN115049692A (zh) | 模拟自然生态的海洋水产养殖光照智能调节方法及系统 | |
| Ishiwaka et al. | DeepFoids: Adaptive Bio-Inspired Fish Simulation with Deep Reinforcement Learning. | |
| CN112907503B (zh) | 基于自适应卷积神经网络的南美白对虾品质检测方法 | |
| CN113284164A (zh) | 虾群自动计数方法、装置、电子设备及存储介质 | |
| Weihs | Body section variations in sharks: an adaptation for efficient swimming |
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 |