[发明专利]一种基于无人船的海洋牧场智能养殖系统

权利要求书

1.一种基于无人船的海洋牧场智能养殖系统，其特征在于，包括地面站、无人船、环境检测模块、传感器融合感知模块、自适应性智能决策模块和水质维持装置，所述无人船设有无人船自主控制器、通讯模块和北斗导航装置；所述环境检测模块、传感器融合感知模块、自适应性智能决策模块和水质维持装置分别设置在无人船上；

所述环境检测模块被配置为，对海洋牧场环境的实时连续跟踪监测，检测多种渔业用水水质参数；

所述传感器融合感知模块被配置为，将环境检测模块检测到的水质参数数据进行融合处理分析；融合处理分析后的数据通过通讯模块传输到地面站；

所述地面站被配置为，设置无人船工作区域、返航位置，并将无人船释放至目标海域；以及接收传感器融合感知模块融合处理分析后的数据，对海洋牧场实时状态做出判断分析，判断水质参数是否处于正常范围内；

所述水质维持装置被配置为，当地面站判断水质参数不在正常范围内，启用以改良水质；

所述无人船自主控制器被配置为，当无人船到达目标海域后，根据传感器融合感知模块输出的数据信息以及多时间和空间尺度的信息，以数据驱动的方式控制无人船运行；以及，自动规划路径使无人船进行自主作业；

自动规划路径的过程是：

以海洋牧场为通信节点n，对于多海洋牧场网络，则n₁,n₂,n₃……n_m对应于海洋牧场1，海洋牧场2，海洋牧场3，直至海洋牧场m，此外，假设n₀为港口节点；

根据多个海洋牧场节点以及港口节点的距离信息来构建路径型通信网络，以港口节点n₀为通信路径的初始节点P₀，则第k个通信路径节点通过下式求得：

P_k＝n_min(d(n_k,n_k+1),d(n_k,n_k+2),d(n_k,n_k+3),...d(n_k,n_m))

上式中，d(n_k,n_k+1)表示第k个节点和第k+1个节点之间的距离，通过在每个节点位置遍历后续节点与该节点的距离值来选择最短距离构成通信路径网络的下一个节点，以此来构建整个最短的通信路径网络结构；

在构建完成通信路径网络后，每个节点通过多源传感器对海洋牧场的状态及环境信息进行搜集感知，并且将获取的信息通过通信网络传输至前级节点，依次类推，所有海洋牧场的信息通过通信路径网络逐级传输回港口进行综合分析判断；

在完成分析判断后，对每个节点的信息进行上述部分描述的大数据分析后，对每个海洋牧场的状态做出分析；针对海洋牧场水质的含氧量，对海洋牧场水质的含氧量补给状态记为S_o，假设S_o为0-1之间的实数值，越大表明对应的海洋牧场越需要对水质进行氧气补充，则S_o(P_n)表示通信路径的第n个节点的海洋牧场水质含氧量补给状况，则无人船的自主导航路径通过下列公式完成：

上式中，U_a(t)表示自动路径规划中t位置的势力大小，势力越大则说明t位置越靠近路径规划的终点，η为势力系数，S_o,goal表示目标位置的水质含氧量补给状态，S_o(P_t)表示距离t位置最近的通信路径节点的水质含氧量补给状态，ρ表示距离差值的绝对值信息，表示初始节点和目标节点之间的距离与初始节点和当前最近节点距离的差值的绝对值；

通过引力函数U_a(t)，以通信路径网络为预规划路径，并计算路径中的相关势力场值大小，则能够形成势力差，目标位置的势力值最大，无人船结合势力值大小遍历整个通信路径，则能够快速高效的到达目的地进行水质含氧量补给。

2.根据权利要求1所述的基于无人船的海洋牧场智能养殖系统，其特征在于，所述基于无人船的海洋牧场智能养殖系统还包括自适应性智能决策模块；

所述自适应性智能决策模块被配置为，根据实时的海洋牧场状态数据和多时空尺度数据对海洋牧场状态做出预测，过程是：

(1)海洋牧场状态分析，通过环境检测模块和传感器融合感知模块对海洋牧场环境信息进行了采集分析，借助于深度学习神经网络对海洋牧场的立体环境和状态做出分析；

(2)海洋牧场状态趋势预测，通过基于卷积型长短期记忆网络的基础网络框架对海洋牧场状态趋势进行优化预测，分析海洋牧场实时时空数据序列具有的趋势项、临近惯性、周期性、及空间相关性，引入周期性网络、趋势性网络和时空注意力模块，来捕捉海洋牧场实时时空序列数据中短期信号及长期趋势项；用循环网络提取短临趋势特征，并融合周期网络传递来的历史数据特征，在该网络中引入时空注意力机制，将时间注意力和空间注意力级联，计算周期趋势和临近趋势的相似度，进而得到海洋牧场状态趋势预测；

(3)基于预测趋势的智能决策，通过引入智能专家系统，即预先搜集整理海洋牧场的不同状态问题的对应处理方法，通过神经网络对专家系统进行训练优化，在分析预测海洋牧场状态的基础上，将预测结果导入到智能专家系统，针对预测的海洋牧场状态趋势做出智能分析决策。