本發(fā)明涉及機器人功率自適應控制領域，尤其涉及一種清淤機器人水下作業(yè)功率自適應控制方法及系統(tǒng)。

背景技術：

1、在城市的水系脈絡中，河道清淤是維護水生態(tài)健康的關鍵環(huán)節(jié)。近年來，隨著人們對水環(huán)境質(zhì)量要求越來越高，清淤成為大大小小河道的“必修課”，淤泥沉積太多，不僅會影響水質(zhì)，天氣稍微回暖時，底泥還會上翻至水面，讓河道觀感大打折扣。清淤機器人廣泛應用于水下沉積物清理領域，其核心功能是通過機械臂、抽吸裝置等執(zhí)行機構完成淤泥的挖掘、輸送與處理。

2、傳統(tǒng)清淤機器人的功率控制比較簡單，功率分配的模式包括：固定功率模式，根據(jù)預設工況設定恒定功率，無法適應動態(tài)變化的淤泥密度、水流速度等環(huán)境參數(shù)，易導致能源浪費或清淤效率低下。手動調(diào)節(jié)模式，依賴操作人員經(jīng)驗調(diào)整功率，響應滯后且精度不足，難以應對復雜水下環(huán)境。功率反饋調(diào)節(jié)模式一般為簡單反饋控制，即基于單一傳感器（如電機電流）進行局部反饋調(diào)節(jié)，缺乏多參數(shù)協(xié)同分析能力，易因環(huán)境干擾導致控制失效。傳統(tǒng)的功率控制方法無法適應水下多變的環(huán)境，例如淤泥分布不均，地形起伏變化，固定功率或粗放式調(diào)節(jié)易造成電機過載或低效運行，尤其在輕負載工況下產(chǎn)生不必要的能源損耗?，F(xiàn)有控制系統(tǒng)多依賴線性算法，難以處理非線性、多變量耦合的水下作業(yè)場景，動態(tài)響應速度與決策精度受限。

技術實現(xiàn)思路

1、為了解決上述技術問題，本發(fā)明提供了一種清淤機器人水下作業(yè)功率自適應控制方法及系統(tǒng)，用于解決現(xiàn)有技術中存在的問題。

2、本發(fā)明提供了一種清淤機器人水下作業(yè)功率自適應控制方法，包括：

3、s1：采集清淤機器人水下作業(yè)數(shù)據(jù)，包括歷史作業(yè)時間和對應的歷史作業(yè)區(qū)域面積，確定所述歷史作業(yè)時間和所述歷史作業(yè)區(qū)域面積的關系；

4、s2：根據(jù)所述歷史作業(yè)時間和所述作業(yè)區(qū)域面積的關系，以及待作業(yè)區(qū)域面積，確定本次待作業(yè)區(qū)域的待作業(yè)時間；

5、s3：掃描水下待作業(yè)區(qū)域地形，估算作業(yè)難度；

6、s4：根據(jù)所述待作業(yè)時間、所述待作業(yè)區(qū)域面積和所述作業(yè)難度，建立所述清淤機器人功率分配模型，根據(jù)所述分配模型進行功率自適應控制。

7、優(yōu)選地，所述清淤機器人包括控制模塊、推進裝置、清淤裝置、輸送裝置、通信裝置、輔助裝置和安全裝置；所述輔助裝置包括攝像頭、照明燈、聲納、激光雷達；所述安全裝置包括上浮系統(tǒng)、故障保護系統(tǒng)。

8、優(yōu)選地，s1還包括：清淤機器人水下作業(yè)數(shù)據(jù)還包括歷史作業(yè)功率分配數(shù)據(jù)，基于所述歷史作業(yè)時間、所述歷史作業(yè)區(qū)域面積、所述歷史作業(yè)功率分配數(shù)據(jù)建立神經(jīng)網(wǎng)絡功率自適應控制模型。

9、優(yōu)選地，s3還包括：

10、s31：將所述待作業(yè)區(qū)域平均分為n塊，其中n>4；使用所述激光雷達測量所述待作業(yè)區(qū)域水下地形，獲取n個高程數(shù)據(jù)集；

11、s32：采集n個所述高程數(shù)據(jù)集中最低點的高程數(shù)據(jù)并計算平均值，得到所述待作業(yè)區(qū)域高程標定值t；

12、s33：所述清淤機器人的所述控制裝置內(nèi)嵌gis軟件，以所述高程標定值t為基準，對水底淤泥進行三維建模，并計算出所述n塊待作業(yè)區(qū)域的體積vn；

13、s34：根據(jù)所述體積vn將所述n塊所述待作業(yè)區(qū)域的所述作業(yè)難度分為容易、中等和困難。

14、優(yōu)選地，s4建立清淤機器人功率分配模型包括：

15、s41：所述控制模塊獲取所述待作業(yè)區(qū)域的所述作業(yè)難度；

16、s42：所述控制模塊根據(jù)所述作業(yè)難度分配功率；

17、s43：所述控制模塊分配給所述輔助裝置和所述安全裝置固定功率值。

18、優(yōu)選地，s42所述控制模塊根據(jù)所述作業(yè)難度分配功率包括：

19、s421：當所述作業(yè)難度為容易時，基于待作業(yè)時間和待作業(yè)區(qū)域面積，利用神經(jīng)網(wǎng)絡功率自適應控制模型確定功率自適應控制策略；

20、s422：當所述作業(yè)難度為中等時，利用專家pid控制模型，將所述待作業(yè)時間、所述待作業(yè)區(qū)域面積和所述體積vn映射為功率調(diào)整參數(shù)，動態(tài)調(diào)整功率自適應控制策略；

21、s423：當所述作業(yè)難度為困難時，利用強化學習模型，將所述待作業(yè)時間、所述待作業(yè)區(qū)域面積和所述體積vn作為狀態(tài)觀測輸入，獲得最優(yōu)功率自適應控制策略，平衡性能與能耗。

22、優(yōu)選地，所述專家pid控制模型利用領域專家經(jīng)驗或機器學習清淤機器人水下作業(yè)數(shù)據(jù)，生成功率自適應控制規(guī)則。

23、優(yōu)選地，所述映射為功率調(diào)整參數(shù)，通過所述待作業(yè)時間、所述待作業(yè)區(qū)域面積和所述體積vn的改變調(diào)整專家pid控制模型參數(shù)。

24、優(yōu)選地，所述強化學習模型，包括：

25、狀態(tài)觀測模塊，采集所述待作業(yè)時間、所述待作業(yè)區(qū)域面積和所述體積vn，描述當前環(huán)境狀態(tài)；

26、動作選擇模塊，基于所述當前環(huán)境狀態(tài)，通過預先確定策略或隨機策略，確定當前功率自適應控制策略；

27、獎勵反饋模塊，根據(jù)所述當前環(huán)境狀態(tài)的反饋獲得獎勵信號；

28、策略更新模塊，根據(jù)所述獎勵信號建立深度神經(jīng)網(wǎng)絡，以更新強化學習的參數(shù)，獲得最優(yōu)功率自適應控制策略。

29、根據(jù)本發(fā)明的另一方面，提供一種清淤機器人水下作業(yè)功率自適應控制系統(tǒng)，所述系統(tǒng)采用上述的一種清淤機器人水下作業(yè)功率自適應控制方法，所述系統(tǒng)包括：

30、數(shù)據(jù)采集模塊，用于采集清淤機器人水下作業(yè)數(shù)據(jù)，包括歷史作業(yè)時間和對應的作業(yè)區(qū)域面積，確定所述歷史作業(yè)時間和所述作業(yè)區(qū)域面積的關系；

31、數(shù)據(jù)處理模塊，用于對數(shù)據(jù)采集模塊采集的數(shù)據(jù)處理，獲得功率自適應控制方案；

32、其中對數(shù)據(jù)采集模塊采集的數(shù)據(jù)處理包括：

33、根據(jù)所述歷史作業(yè)時間和所述作業(yè)區(qū)域面積的關系，以及待作業(yè)區(qū)域面積，確定本次待作業(yè)區(qū)域的待作業(yè)時間；

34、掃描水下待作業(yè)區(qū)域地形，估算作業(yè)難度；

35、根據(jù)待作業(yè)時間、待作業(yè)區(qū)域面積和作業(yè)難度，建立所述清淤機器人功率分配模型，根據(jù)所述分配模型進行功率自適應控制。

36、本發(fā)明具有以下技術效果：

37、本發(fā)明在使用清淤機器人進行水下作業(yè)時，首先獲取歷史數(shù)據(jù)并對數(shù)據(jù)進行處理；采用激光雷達獲取河道內(nèi)淤泥高程數(shù)據(jù)并計算待作業(yè)區(qū)域的淤泥體積，將待作業(yè)區(qū)域按照作業(yè)難度分級，針對不同作業(yè)難度級別采用不同功率自適應控制方法，能夠處理非線性、多變量耦合的水下作業(yè)場景，提高清淤機器人運行可靠性。

技術特征：

1.一種清淤機器人水下作業(yè)功率自適應控制方法，其特征在于，包括：

2.根據(jù)權利要求1所述的一種清淤機器人水下作業(yè)功率自適應控制方法，其特征在于，所述清淤機器人包括控制模塊、推進裝置、清淤裝置、輸送裝置、通信裝置、輔助裝置和安全裝置；所述輔助裝置包括攝像頭、照明燈、聲納和激光雷達；所述安全裝置包括上浮系統(tǒng)和故障保護系統(tǒng)。

3.根據(jù)權利要求2所述的一種清淤機器人水下作業(yè)功率自適應控制方法，其特征在于，所述s1還包括：

4.根據(jù)權利要求2所述的一種清淤機器人水下作業(yè)功率自適應控制方法，其特征在于，所述s3還包括：

5.根據(jù)權利要求4所述的一種清淤機器人水下作業(yè)功率自適應控制方法，其特征在于，所述s4中，建立清淤機器人功率分配模型包括：

6.根據(jù)權利要求5所述的一種清淤機器人水下作業(yè)功率自適應控制方法，其特征在于，所述s42，控制模塊根據(jù)所述作業(yè)難度分配功率包括：

7.根據(jù)權利要求6所述的一種清淤機器人水下作業(yè)功率自適應控制方法，其特征在于，所述專家pid控制模型利用領域專家經(jīng)驗或機器學習清淤機器人水下作業(yè)數(shù)據(jù)，生成功率自適應控制規(guī)則。

8.根據(jù)權利要求7所述的一種清淤機器人水下作業(yè)功率自適應控制方法，其特征在于，所述映射為功率調(diào)整參數(shù)，通過所述待作業(yè)時間、所述待作業(yè)區(qū)域面積和所述體積vn的改變調(diào)整專家pid控制模型參數(shù)。

9.根據(jù)權利要求6所述的一種清淤機器人水下作業(yè)功率自適應控制方法，其特征在于，所述強化學習模型，包括：

10.一種清淤機器人水下作業(yè)功率自適應控制系統(tǒng)，其特征在于，所述系統(tǒng)采用權利要求1-9任一項所述的一種清淤機器人水下作業(yè)功率自適應控制方法，所述系統(tǒng)包括：

技術總結
本發(fā)明涉及機器人功率自適應控制領域，尤其涉及一種清淤機器人水下作業(yè)功率自適應控制方法及系統(tǒng)，本發(fā)明在實現(xiàn)清淤機器人水下作業(yè)功率自適應控制方法及系統(tǒng)時，充分考慮水下作業(yè)復雜性，根據(jù)高程數(shù)據(jù)將待作業(yè)區(qū)域按照作業(yè)難度分級，針對不同作業(yè)難度級別采用不同功率自適應控制方法，利用不同算法處理不同復雜場景的優(yōu)勢，解決非線性、多變量耦合的水下作業(yè)場景功率自適應控制難的問題。

技術研發(fā)人員：陳松貴,王洋,陳漢寶,胡杰龍,段自豪,朱新宇,譚忠華,朱穎濤,張維
受保護的技術使用者：交通運輸部天津水運工程科學研究所
技術研發(fā)日：
技術公布日：2025/5/15