本发明涉及救生领域，特别是涉及一种马蹄形状的可以远程遥控定位的智能救生装置。
背景技术：
目前，救生装置是作为在紧急情况下营救溺水人员的必要的救生工具。在事故中，等待救援的人们可能会因为时间太长，体力消耗过大，累得无法撑在救生装置上，特别是在海洋事故需要比较长的救援时间，但是现有救生装置基本上都需抛洒至落水者附近，这就意味着只能救援很近的距离且救援缓慢，同时因为海面环境的复杂性，比如风力及水流流速等外界因素影响抛投的准确性也难以控制，有时即使抛投到了恰当的位置而被救者不一定能及时抓住救生装置，同样会导致救援失败。目前市面上的救生装置大部分结构简单、功能单一，使用十分有限。一些智能救生装置，如中国专利中cn206125373u采用gps来进行定位，gps的优点在于无辐射，但是穿透力很弱，民用定位精度约为10米，而且当信号被遮挡或者削减时，gps定位还会出现漂移；又如中国专利中cn205440813u采用红外感应来定位，传输距离短，易被障碍物干扰，定位精度存在很大局限性；在海况不同时也未考虑装置速度的调节，并且采用单圈体设计，套装麻烦，使用者舒适度不高，结构不够人性化，这些都是要解决的问题。还有一些智能装置，如中国专利中cn206125373u等，监控器只能发送位置信息而无法实时传输救援画面，若是在救援时发生一些紧急情况，救援人员则无法在第一时间做出处理，并且此类装置都依赖于遥控器直接控制，无法进行自动路径规划，实现最短距离救援，这就会造成装置能耗不必要浪费，使得装置的续航能力降低。为此有必要发明出一种马蹄型可精确定位的装置，传输救援画面，可进行运动模式选择，自动模式路径规划，实现最短距离的救援，降低能耗，增强装置的续航能力，这样就可以大大提高海上救援的效率，更好的进行救援工作，保障人员安全。
技术实现要素：
为了克服现有技术在远程遥控智能救生装置的困难，本发明的目的是以现有标准的救生装置为基础，提出一种可准确定位的，进行自动路径规划且可实时传输救援画面的水上救生装置。由于它的形状是马蹄型，而且可以通过远程控制它来进行救援工作，我们称之为马蹄型远程遥控智能救生装置。
本发明解决问题所采取的技术方案是：在救生装置中设置动力模块，控制模块，通信模块，电源模块以及控制救生装置的遥控器，进行定位和传输救援画面的无人机。具体来说，动力模块是由涡轮螺旋桨、联轴器以及直流电机组成的，它为救生圈提供动力，遥控器通过对动力模块的作用可使得救生圈前进、后退和拐弯。控制模块为单片机，它体积小且功能强，它从自身输入接口接收来自通信模块提供的信息并存入存储器，单片机中的cpu会根据固化在存储器中已设计好的程序对输入的数据进行高速运转，再将运算处理的结果通过输出接口送去控制执行机构也就是直流电机驱动器，以此达到控制救生装置的运动的目的，无人机负责侦查水上环境并反馈地图，再采用maklink图论法对该地图进行环境建模，maklink法是自由空间建模的一种较好方法，它先把空间内的障碍物抽象成各种平面凸边形，再利用图论知识在该空间建立一个全局连通图，最后在这个连通图上实现路径规划，这样就得到水上救生机器人的行驶环境网络拓扑图，其建模过程如下：
1)用直线即链接线l1、l2、l3……将水上环境地图划分为凸边形区域；
2)将各链接线的中点m1、m2、m3……设置成可能经过的路径点；
3)将环境地图中标出起始点s和目标点t以及障碍点z1、z2、z3……链接到所在凸边形区域的各路径点上；
4)将相邻的点两两相连形成一个带权无向链接图，即得环境模型。
在该环境模型中采用dijkstra算法求解最短路径，dijkstra算法是一种优秀的最短路径算法，以起始点s为中心一直逐步向外延伸至目标点t，正向遍历所有结点，从而确定最短路径，它的算法流程是：
5)初始化，假设已经得到的水上救生机器人行驶环境网络拓扑图是一个带权有向图d，初始化集合a和集合b，把图中的点分到集合a和集合b中，集合a存放已经求得的最短路径，初始时集合a只有一个起始点，集合b存放未确定最短路径的点，初始时集合b为空集；同时初始化起始点s到其他结点的最短路径长度l，起始点到其他结点有连接线则对应连接线长度，否则对应最大值；
6)不断更新集合a和集合b，选择l[i]中的最小值加入集合a，直至所有点都包含在在集合a中，将集合b中的点按最短路径长度递增依次加入已经求得的最短路径的集合a；
7)不断更新最短路径值l；
8)算法结束
就可以得到起点至终点在全局连同图上的最短路径。通过dijkstra算法求解得最短路径后作为初始路径，再用蚁群算法对初始路径进行优化，得最优路径。首先对蚁群算法进行数学建模，推导蚂蚁状态转移概率公式和信息素更新公式。为了说明方便引入以下符号：
dij—点i和j之间的连线长度；
τij(t)—t时刻路径(i,j)的残留的信息素量；
tabuk—禁忌表，即在本次循环中蚂蚁k已走过点集合，蚂蚁k不会再走这些点；
allowedk＝c-tabuk—蚂蚁k之后可以走的点；
若j∈allowedk，则有
其中ηij(t)＝1/dij为启发函数，即蚂蚁从点i到j的转移期望程度；
α为信息素因子，表示信息素的重要性；
β为启发因子参数，其值与启发函数在转移中的作用成正比；
对该算法求解实现路径优化，基本蚁群算法的求解步骤为:
1)对数学模型中的一些参数初始化，令t＝0，循环次数nc＝0，并设置最大循环次数ncmax，将m只蚂蚁放到初始点fstart上，设置路径(i,j)的初始化信息量τij(0)＝τ0，τ0为某一常数同时将初始点fstart设置到禁忌表tabuk中去；
2)初始化禁忌表tabuk；
3)蚂蚁k(k＝1,2,3...)以当前所处位置fi为中心，根据仿随机状态转移概率公式计算结果来选择点j继续前进，修改tabu表，将蚂蚁放到选择的新点j上，并把j加入到蚂蚁个体的禁忌表中；
4)蚂蚁数目k←k+1；
5)判断蚂蚁k(k＝1,2,3...)是否找到食物源，若每一只蚂蚁都找到食物源，跳到步骤6，否则跳到步骤3；
6)一次循环结束，信息素存在缺失挥发的现象，需要根据信息素更新公式τij(t+n)＝(1-ρ)τij(t)+δτij(t)进行更新,其中ρ取值[0,1)之间，表示路径上信息素挥发的程度，对应1-ρ为路径上信息素残留程度，
7)循环次数nc＝nc+1；
8)判断nc≥ncmax是否成立，若成立，则循环结束运行结束，否则清空tabu表并跳转到步骤2，直到nc＝ncmax循环结束，得出最优路径，从而实现路径规划，将自动路径规划的算法编写在单片机中；通信模块指的是无线信号接收器，它连接了遥控器与控制器之间的通信；电源模块为动力模块以及控制模块供电。而遥控器就是通过无线信号来控制救生圈运动的。本发明中智能救生装置和无人机作为一个系统，无人机具有高机动性和安全性，可以适应海面的复杂环境，负责侦查定位以及实时传输救援画面，搜救人员可在远程设备上观看救援画面。
本智能救生装置在很多方面比传统救生装置有更好的优点。当意外情况发生时，救援人员无需赶至落水者身边就近抛洒救生装置来施救，只需将本救生装置放入水中，通过遥控器的模式选择，手动模式下远程控制本救生装置移动至落水者身边，自动模式下进行自动路径规划，以最短距离移动至落水者身边，落水者抓取到救生装置后，可通过动力系统将其送往救生船甚至直接带回岸边或浅水区即可得救；由于救生圈本体采用了马蹄型结构，方便穿戴，并且相较于传统救生圈舒适感增加；救生圈本体的两侧均设计了把手结构，更便于落水者抓握，使得救生圈更容易控制方向，同时也提高了救生圈的平衡性和行进速度。与现有技术相比，本发明的有益效果：
1、可进行准确定位，精准救援。
2、可进行自动路径规划，实现最短距离救援。
3、可通过无人机实时传输救援画面。
附图说明
图1为马蹄型远程遥控智能救生装置的内部结构示意图。
图2为马蹄型远程遥控智能救生装置的控制功能框图。
图3为马蹄型远程遥控智能救生装置自动路径规划算法流程图
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1所示的本发明的内部结构示意图，1为第一涡轮螺旋桨，2为第二螺旋桨，3为遥控器，4为第一锂电池，5为第一直流电机，6为第二直流电机，7为第二锂电池，8为无线信号接收器，9为第一电机驱动器，10为第二电机驱动器，11为单片机，12为电压转换器。第一涡轮螺旋桨1，第二螺旋桨2分别与第一直流电机5和第二直流电机6通过联轴器连接，而第一直流电机5和第二直流电机6又通过第一电机驱动器9和第二电机驱动器10与单片机11相连，第一锂电池4和第二锂电池7分别为第一直流电机5和第二直流电机6供电，并且第一锂电池4通过电压转换器12为单片机11供电，而单片机11的通信口与无线信号接收器8相连。第一锂电池4和第二锂电池7、第一直流电机5和第二直流电机6、第一电机驱动器9和第二电机驱动器10以及第一涡轮螺旋桨1，第二螺旋桨2分别设置于救生装置本体的马蹄型两侧。马蹄形结构使用时穿戴迅速且舒适度高。同时考虑根据救生圈的具体结构、重量在救生装置的顶部配置一定重量的重物来实现救生圈的受力平衡与稳定的问题。救生圈上的两侧把手设计则是便于被救者抓握，使得救生圈更容易控制方向，同时也提高了救生圈的平衡性和行进速度。如图2本发明的控制功能框图所示，动力模块是由第一涡轮螺旋桨1和第二螺旋桨2以及第一直流电机5和第二直流电机6组成的，它为救生圈提供动力，遥控器3通过对动力模块的控制可使得救生圈前进、后退和拐弯。控制模块为单片机11，通信模块指的是无线信号接收器8，它连接了遥控器3与单片机11之间的通信；电源模块是指第一锂电池4和第二锂电池7，它为第一直流电机5和第二直流电机6以及单片机11供电，遥控器3就是通过无线信号来控制救生圈运动的。本智能救生装置和无人机组成了救生系统，无人机具有高机动性和安全性，可以适应海面的复杂环境，负责侦查定位以及实时传输救援画面，搜救人员可在远程设备上观看救援画面。
如图3本发明的自动路径规划算法流程图所示，其中空间模型建立是采用的maklink图论算法来建立本发明航行的二维空间，空间模型建立的步骤是：
1)用直线即链接线l1、l2、l3……将自由空间划分为凸边形区域；
2)将各链接线的中点m1、m2、m3……设置成可能经过的路径点；
3)将设置的起始点s和目标点t链接到所在凸边形区域的各路径点上；
4)将相邻的点两两相连形成一个带权无向链接图，即得环境模型。
初始路劲规划是在该环境模型中采用dijkstra算法求解最短路径，dijkstra算法是一种优秀的最短路径算法，以起始点s为中心一直逐步向外延伸至目标点t，正向遍历所有结点，从而确定最短路径，它的算法流程是：
1)初始化，假设已经得到的水上救生机器人行驶环境网络拓扑图是一个带权有向图d，初始化集合a和集合b，把图中的点分到集合a和集合b中，集合a存放已经求得的最短路径，初始时集合a只有一个起始点，集合b存放未确定最短路径的点，初始时集合b为空集；同时初始化起始点s到其他结点的最短路径长度l，起始点到其他结点有连接线则对应连接线长度，否则对应最大值；
2)不断更新集合a和集合b，选择l[i]中的最小值加入集合a，直至所有点都包含在在集合a中，将集合b中的点按最短路径长度递增依次加入已经求得的最短路径的集合a；
3)不断更新最短路径值l；
4)算法结束
就可以得到起点至终点在全局连同图上的最短路径。将求得的全局连同图中的最短路径作为初始路径；再利用蚁群算法来对初始路径进行优化，首先初始化蚁群算法建立的数学模型中的参数，令t＝0，循环次数nc＝0，并设置最大循环次数ncmax，将m只蚂蚁放到初始点fstart上，设置路径(i,j)的初始化信息量τij(0)＝τ0，τ0为某一常数同时将初始点fstart设置到禁忌表tabuk中去；然后m只蚂蚁开始搜索，当所有蚂蚁到达终点时，一次循环结束，根据信息素更新公式τij(t+n)＝(1-ρ)τij(t)+δτij(t)进行更新,其中
采用本发明进行救生工作的完整步骤方法如下：
步骤一：无人机负责侦查水面情况，当发现有落水者时，立即对落水者进行定位，并把位置信息发送给智能救生装置。
步骤二：智能救生装置接收到无人机发送的位置信息，此时施救者将智能救生装置放入水中，同时用遥控器选择救生工作模式。
步骤三：自动模式下智能救生装置接收无人机侦查反馈的水上环境地图，在环境地图中标出起始点s和目标点t，采用maklink图论法进行环境建模：
1)用直线即链接线l1、l2、l3……将起始点s、障碍点z1、z2、z3……和目标点t依次连接，把水上环境地图划分为凸边形区域；
2)将各链接线的中点m1、m2、m3……设置成可能经过的路径点；
3)将设置的起始点s和目标点t链接到所在凸边形区域的各路径点上；
4)将相邻的点两两相连形成一个带权无向链接图，即得环境模型；
初始路劲规划是利用图论中的dijkstra算法在链接图中求得的一条从起始点到目标点的最短路径，将已经得到的水上救生机器人的行驶环境网络拓扑图作为一个带权有向图d，把图中的点分为两部分集合，一部分是已经求得的最短路径的集合a，初始时集合a只有一个起始点，每求得一个点就加入集合a，直至所有点都包含在在集合a中；另一部分是未确定最短路径的点的集合b，将集合b中的点按最短路径长度递增依次加入已经求得的最短路径的集合a。最后所有的点都在集合a中，就可以得到起点至终点在全局连同图上的最短路径。将求得的全局连同图中的最短路径作为初始路径；再利用蚁群算法来对初始路径进行优化，首先初始化蚁群算法建立的数学模型中的参数，令t＝0，循环次数nc＝0，并设置最大循环次数ncmax，将m只蚂蚁放到初始点fstart上，设置路径(i,j)的初始化信息量τij(0)＝τ0，τ0为某一常数同时将初始点fstart设置到禁忌表tabuk中去；然后m只蚂蚁开始搜索，当到达终点时，根据信息素更新公式τij(t+n)＝(1-ρ)τij(t)+δτij(t)进行更新,其中
步骤四：手动模式下用遥控器控制智能救生装置，遥控器通过无线信号接收器把控制信号发送给智能救生装置，去对落水者进行施救，在本智能救生装置在水中航行的过程中，无人机一直在其上方飞行，实时传输救援画面，直至救援结束。
步骤五：智能救生装置成功抵达落水者身边，落水者抓好其把手。
步骤六：救生装置两侧直流电机提供动力将落水者运回浅水区或无人船，即落水者成功得救。