水下智能报警机器人的研究与应用

(整期优先)网络出版时间:2021-03-02
/ 2

水下智能报警机器人的研究与应用

张添运, 崔金香, 黄熙尧,柏宇鹏

哈尔滨远东理工学院 150000


摘 要 为保证正常的水上生产和作业,提出多功能的报警机器人技术。突破该机器人的系统集成技术,实现自主导航高精度定位与目标的识别处理任务,为智能报警机器人的试验工程应用提供技术支撑和可行性方案参考。

关键词 报警;智能机器人;组合技术;图像识别技术

随着功能的不断完善和可靠性快速提高,越来越被广泛应用于海洋资源调查开发、工程作业、报警等领域。目前用于深海中,能够完成高强度、大负荷工作的中大型 ROV已经较为成熟,产业化程度很高。而用于浅海作业中,能够巡检船体,进行检测和维修,识别拆除危险物,并具有高机动性、控制灵活快捷、操作携带方便的小型多功能ROV并不多见。国内还未对作业设备的智能化安全防护进行系统性研究,在报警能力组合方面的技术与国外相比还有一定的差距,尤其是智能报警机器人的关键技术还处于起步阶段,急待突破。本文以能力组合技术为基础,提出多功能的智能报警机器人技术,突破该机器人的系统集成技术,实现自主导航高精度定位与可以目标的识别处理任务,为智能报警机器人的试验工程应用提供技术支撑。

1 水下智能机器人的系统集成设计

机器人系统集成设计方案,系统由湿端作业机器人、干端系统控制台和干湿端连接部分脐带缆收放机构3部分结构组合而成,结构中包括5个分系统:机械结构分系统、电路分系统、控制导航分系统、脐带缆分系统和上位机分系统。

1.1水下智能 机器人的结构设计

机器人设计正常工作水深为 0~50 m,标准航速为2 kn(净水状态下),质量不大于100 kg,位置精度在1%~3%,可以完成10 cm×10 cm可疑物体的搜索识别和处置,同时满足水中定深、定向稳定运动的功能,必要时机器人还可以贴壁运动满足特殊功能需求。它主要包括照明灯、吊环、垂直推进器、浮力材料、摄像机、主推进器以及防撞胶条。

1.2 六自由度动态建模

机器人的几何和物理参数和规格如表1所示。机器人模型具备高度对称性,关于xy、yz、xz 3个面均对称。因而Ix和Iy的值非常相似,并且关于xy、xz和yz平面的惯性矩可以近似为 0。

表1 机器人参数表
603db3cb00366_html_fb0bca4636979818.jpg

根据 Fossen的理论,智能报警机器人的非线性动力学方程可以描述为

603db3cb00366_html_1ebc391c46994e42.jpg

式中:v=[uvwpqr]T,分别是智能报警机器人在随体坐标系下的速度和角速度。η=[xyzφθψ] T为地面坐标系的位置和角度。M 为惯性矩阵(包括附加质量);C(v)是科氏力和向心力矩阵;D(v)是粘性类水动力矩阵;g是重力和浮力共同产生的力或力矩向量;τc为推进器产生的驱动力或力矩;τe为外界干扰力。

质量和惯性矩阵M是刚体惯性矩阵MRB和附加质量惯性矩阵MADD的总和。智能报警机器人模型具有高度对称性。因此,根据附加质量惯性矩阵的特性,可以得出矩阵系数仅在对角线上为非零。类似地,科里奥利和向心矩阵 C也分为刚体项 CRB与科里奥利和向心力矩阵 CADD。智能报警机器人的M和C计算如下:

603db3cb00366_html_7f03a6988f140767.jpg

603db3cb00366_html_17ea58bc7f803028.jpg

在仿真中,机器人的线性阻力项可以忽略不计,只取粘性水动力系数的二次项可以简化如下:

603db3cb00366_html_78904ae716b3e411.jpg

式中:603db3cb00366_html_fc49146ac917820f.jpg 为粘性水动力的二次项系数,其中粘性水动力系数可通过ANSYS-CFD仿真软件仿真模拟计算得到。本文在建立运动坐标系时,将重心设为原点,浮心的x、y坐标均为0,重力和浮力矢量g可以忽略不计,因为机器人具有中性浮力,并且重心和浮力几乎重合,如表1所述。

2 自主导航高精度定位

智能报警机器人作业环境通常为水质较为浑浊的浅海或港口。本文拟采取惯性导航、声呐辅助等多数据融合的定位方法来提高定位的精度。首先采用处理能力较强、功耗低、数据传输快捷的芯片;使用高强度、密度小、防腐蚀的复合材料,研究一套结构紧凑、成本低、实用可靠的硬件系统。

采用基于扩展式卡尔曼滤波器和航位推算的定位数据匹配法,开发出识别并剔除定位数据异常点,并对目标定位数据缺失部分进行重构的数据融合处理软件。完成软件后,进行模拟仿真,结合实验结果验证其可靠性并进行优化。

3 目标智能识别

借鉴国内外在人工智能图像识别领域上取得的研究成果,以目标智能识别为目标,通过训练图像数据集构建、分类识别模型训练、模型参数优化等相结合的方法,建立窃听装置、爆炸物、追踪装置、毒品外挂物等人工附着物,以及水草、海带和其他的海生植物等环境干扰物的图像识别系统。

该系统包括原始图像的采集、图像的初期预处理、后期图像的特征提取、图像识别判断四大部分。通过平滑、增强、恢复、边缘检测和分割等信息处理方式,把输入图像简化为分段模式。利用特征提取进一步把分割的图像简单地表示为一组特征向量,依据所提取的特征,通过算法把相应原图归属已知的一类人工附着物。

4 结束语

智能机器人是水域智能报警的重要组成部分,为正常的海洋航运生产和作业提供保障。本文提出了以能力组合技术为基础,提出多功能的智能报警机器人技术,完成对不明物体的智能自动探测识别与驱除任务,为智能报警机器人的试验工程应用提供技术支撑和可行性方案参考,实现该领域的创新与超越。

参考文献

[1]王悦婷.打造智能周界报警系统 保障轨道交通路网安全[J].上海信息化,2020(08):27-30.

[2].“智能+”时代,报警运营服务的新模式与新趋势[J].中国报警,2020(08):92-94.

[3]韩峰.“智能+”趋势下报警运营服务未来路在何方?[J].中国报警,2020(08):95-97.

[4]郑焕勇,梁嘉诚,陈海燕,刘秋婷.基于嵌入式的电子智能报警运动鞋垫[J].信息记录材料,2020,21(08):125-126.



项目来源:2019年黑龙江省大学生创新创业训练项目

项目编号:201913301002

项目名称:水下智能报警机器人