[发明专利]一种智能浮漂抗干扰方法、装置、系统及存储介质

权利要求书

1.一种智能浮漂抗干扰的方法，包括以下步骤：

s1、浮漂入水后，增设竖直稳定期，判断浮漂是否进入所述竖直稳定期；

所述步骤s1中判断浮漂是否进入竖直稳定期包括：设定竖直稳定区间的最小值a0和最大值b0；浮漂入水后，按照预设频率实时采集水下数据w，当每次z轴方向的水下数据w在竖直稳定区间(a0,b0)内时，则稳定计数器m增加1；如果存在水下数据w不连续在(a0,b0)区间内的情况，则稳定计数器清零并重新开始计算；当连续采集的m大于竖直稳定期阈值v1时，则判断进入竖直稳定期并将不稳定计数器n清零；所述水下数据w是浮漂入水后进入竖直稳定期前，在z轴上采集的浮漂加速度值；

s2、进入所述竖直稳定期后，计算环境基准阈值h；

s3、获得所述环境基准阈值h后，连续采集浮漂在z轴方向的水下数据z，进而获得水下数据z的变化值⊿z；其中z轴垂直于水面方向；

s4、如果浮漂在z轴方向的水下数据z的变化值⊿z大于环境基准阈值h，则初步认为鱼口有效；

s5、继续判断水平方向的水下数据x和y，从而再次确认鱼口的有效性，其中x轴和y轴平行于水面方向；

s6、获取到有效鱼口后，立即驱动漂尾的发光模块进行变色报警；

s7、判断浮漂是否退出竖直稳定期。

2.根据权利要求1所述的方法，所述步骤s2中计算环境基准阈值h包括：进入竖直稳定期后，按照预设频率连续采集浮漂在z轴方向的水下数据u，根据所述水下数据u，计算预设周期内的浮漂加速度平均变化值，将所述加速度平均变化值作为环境基准阈值h，按照预设周期持续计算所述加速度平均变化值来即时更新环境基准阈值h；所述水下数据u是浮漂进入竖直稳定期后，获得环境基准阈值前，在z轴上采集的浮漂加速度值。

3.根据权利要求1所述的方法，所述步骤s2中计算环境基准阈值h包括：进入竖直稳定期后，采集浮漂在z轴方向的水下数据u，根据所述水下数据u，计算首次加速度变化值得到一个⊿u值，将其作为初始环境基准阈值h1；连续采集多种水下环境数据和水面环境数据，水下环境数据包括水流速度、水流加速度；水面环境数据包括风力速度、风力加速度，风力方向；通过所述水下环境数据训练浮漂在水下的低速运动模型，获得水流在z轴上的加速度平均变化值；根据风速和风力方向获得风速矢量，获得z轴方向的风速矢量的分量，通过所述水面环境数据训练水面的低速运动模型，获得风力在z轴上的加速度平均变化值；结合机器学习算法，利用长短期记忆人工神经网络(LSTM)，构建干扰消除模型，对水流加速度平均变化值和风力加速度平均变化值的即时数据进行训练和预测，输出即时环境干扰值i；根据所述初始环境基准阈值h1和所述环境干扰值i获得最终的环境基准阈值h；所述水下数据u是浮漂进入竖直稳定期后获得环境基准阈值前，在z轴上采集的浮漂加速度值。

4.根据权利要求3所述的方法，所述环境基准阈值的计算方法步骤，具体为；

s21、按照预设频率，采集预设周期的风力加速度和水流加速度的数据，并计算其在z轴上的加速度平均变化值，并进行归一化处理；

s22、把归一化后的初始数据，作为训练数据集，建立第一层神经网络；

s23、采用无监督学习自底向上开始分层训练，得到各隐层连接的初始权值参数；

s24、对深度神经网络输出结果进行反归一化得到z轴方向的即时加速度变化值，将其作为当前时刻的环境干扰值i；

s25、将获得的初始环境基准阈值h1和环境干扰值i进行加权融合，得到当前时刻最终的环境基准阈值h。

5.根据权利要求1所述的方法，所述步骤s3中所述水下数据z是获得环境基准阈值后采集的浮漂在z轴上的加速度值；所述连续采集浮漂在z轴方向的水下数据z包括：连续采集两次浮漂加速度值，第一次采集的z轴上的浮漂加速度值为z1,第二次采集的z轴上的浮漂加速度值为z2,z2和z1的时间间隔可预先设定，计算浮漂在z轴方向的加速度值z的变化值⊿z＝z2-z1。