一种仿生捕鱼器及其控制方法与流程

本发明涉及仿生机器人技术领域，更具体的是，本发明涉及一种仿生捕鱼器及其控制方法。

背景技术：

深海生物捕捞，即对深海生物进行捕捞，把生物从深海捕获出水进行科学研究或者其他商业用途。目前通常采用一种拖网捕获技术，它是一种利用船舶航行的拖拽式捕捞方式。底拖网是一种用于对深海底栖生物等小型生物进行捕获技术。这种底拖网技术对生态系统造成了灾难性伤害，珊瑚、海绵、鱼类和其它动物都将因此受到捕杀。同时众多海洋生物的栖息地—海山等水下生态系统也遭到了严重的破坏。这种捕捞方式对海洋生态系统造成了无法弥补的损失。由于拖网技术很难对生物进行有针对性的捕获，往往造成不分青红皂白的“滥杀无辜”，成功率低且浪费资源。

近年来水下机器人越来越多地运用于人类对深海资源的探索。其中，对深海生物资源的探索也是极为重要的一环。深潜器最直观的优点在于科学家可以远程进行操控并且针对性高，也不会对深海环境造成破坏。但是目前水下机器人十分昂贵，应用于商业用途的海底生物捕捞仍然存在着很多问题。

水下机器人又称无人遥控潜水器，其工作方式是由水面母船上的工作人员通过连接潜水器的脐带提供动力，操纵或控制潜水器，采用水下电视、声呐等专用设备进行观察，并由机械手进行水下作业。在深海生物捕获中，水下机器人使用机械手把捕获的生物放入收集舱中带上水面。其中水下电视系统是最具有发展潜力的一种观察设备。如美国的伍兹霍尔(woodshole)海洋研究所开发了一台名为“全球最棒的漂流者”的深潜水下机器人，它配备有高清晰度摄像头，能在深达3000米的水下工作，科学家可远距离操作，将水中抓获的生物存放在机器人的收集舱中。但是，目前使用在水下机器人中的水下电视系统所获取的图像仍然是平面视觉信息，无法获得被捕获对象的深度信息；而且视觉范围十分有限。这种水下机器人的制造成本极其昂贵。

针对一些小型深海生物捕捞，研究人员研制了一种像双瓣贝壳的“大洋抓斗”，在撞击到海底时能快速闭合，将样品全部“抓”到斗内。此外，研究人员还设计了箱式取样器、重力取样器和活塞取样器等，将它们垂直下放到海底，利用特殊装置迅速将样品完好地取上来，这样就能对沉积物逐层加以研究。这种捕捞方式作业效率低，制造成本高。

自然界很多动物获取食物的方式给我们设计带来一些启示，即仿生海底生物捕捞机器手设计，如大象的鼻子能轻而易举地把树上的果子摘下，能将地面上的草连根拔起，能吸取水池中的水，象的鼻腔后面食道上方，有一块特殊的软骨，起“阀门”一样的作用。象吸水时，喉咙部位的肌肉收缩，“阀门”关闭，水可以顺利进入食道，大象的鼻子像人手一样灵活。研究表明，大象鼻子是近4万块富有弹性的小肌肉组成，它能极灵活地伸缩自如，作出灵巧地动作。在仿生海底生物捕捞机器手设计时，将捕捞机器手上的管道设计成如大象的鼻子，将捕捞过程模拟为象的鼻腔吸入捕捞对象的过程。有些海底生物在捕获食物时采用嘴部的吸力来吞取被捕获的对象，具有与大象的鼻子类似的功能。

技术实现要素：

本发明的一个目的是设计开发了一种仿生捕鱼器，设置有基于人工肌肉的行走肢，通过控制扇形柱状空腔的压力实现行走肢的弯曲，并通过引射原理将鱼群顺着捕鱼通道吸入储存舱内，实现高效捕捞。

本发明的另一个目的是设计开发了一种仿生捕鱼器的控制方法，通过采集捕鱼器本体周围的全景图像、捕鱼器本体的行走方向以及捕鱼器本体所受到的海水压力，并基于bp神经网络确定基于人工肌肉的行走肢的行走状态和捕鱼器本体的升降高度，确定待捕鱼群。

本发明还能精确控制升降舱的排水量，实现仿生捕鱼器的精确升降。

本发明通过引射原理并控制捕鱼管道中鱼群的吸入负压，将鱼群顺着捕鱼通道吸入储存舱内，实现高效捕捞。

本发明提供的技术方案为：

一种仿生捕鱼器，包括：

捕鱼器本体，其包括：

储藏舱，其设置在所述捕鱼器本体内的下部，用于储藏捕捞的鱼群；

升降舱，其设置在所述储藏舱上方的捕鱼器本体内，用于捕鱼器本体的升降；

多个基于人工肌肉的行走肢，其分别设置在所述捕鱼器本体的四角，用于捕鱼器本体的行走和鱼群捕捞，其包括：

捕鱼通道，其贯穿所述行走肢轴心，且一端与所述储藏舱连通；

多个扇形柱状空腔，其分隔贯穿设置在所述捕鱼通道周向的行走肢上，且两端密闭设置；

多个高压液体管，其分别设置在所述扇形柱状空腔内并与所述扇形柱状空腔一一对应连通，且一端穿出所述扇形柱状空腔，用于控制所述扇形柱状空腔的压力；

控制舱，其设置在所述升降舱上方的捕鱼器本体内，并与所述升降舱和基于人工肌肉的行走肢连接，用于控制捕鱼器本体的升降以及捕鱼器本体的行走和鱼群捕捞。

优选的是，所述升降舱包括：

水泵，其设置在所述捕鱼器本体内；

第一开口和第二开口，其分别设置在所述升降舱上，所述第一开口与外界相通，第二开口与水泵入口连通；

第一电磁阀，其设置在所述第一开口上；

其中，当所述第一电磁阀开启时，所述第一开口与外界连通；当所述第一电磁阀关闭时，所述第一开口与外界隔离；当所述水泵工作时，能够将升降舱内的海水抽出。

优选的是，所述基于人工肌肉的行走肢还包括：

高压水源，其通过比例压力阀与所述高压液体管一端连通，用于控制所述扇形柱状空腔内的水压；

喷嘴，其设置在靠近捕鱼通道的储藏舱内且朝向储藏舱设置，所述喷嘴与所述高压水源连通；

脉冲式负压发生器，其与所述高压水源和喷嘴连接，用于控制基于人工肌肉的行走肢进行鱼群捕捞。

优选的是，还包括：

压力传感器，其设置在所述捕鱼器本体顶面上，用于检测捕鱼器本体所受到的海水压力；

数字罗盘，其设置在所述控制舱内，用于检测捕鱼器本体的行走方向；

双目立体全景视觉传感器，其设置在所述捕鱼器本体顶面中心，用于获取捕鱼器本体周围的全景图像。

优选的是，所述捕鱼通道与所述储藏舱的连通处设置有第二电磁阀；所述扇形柱状空腔为4个，且互成90°角。

一种仿生捕鱼器的控制方法，采集捕鱼器本体周围的全景图像、捕鱼器本体的行走方向以及捕鱼器本体所受到的海水压力，并基于bp神经网络确定基于人工肌肉的行走肢的行走状态和捕鱼器本体的升降高度，具体包括如下步骤：

步骤一、按照采样周期，通过传感器采集捕鱼器本体周围鱼群体积、数量，捕鱼器本体的实时行走方向以及捕鱼器本体所受到的海水压力；

步骤二、确定三层bp神经网络的输入层神经元向量x＝{x1,x2,x3,x4}；其中，x1为捕鱼器本体周围鱼群体积，x2为捕鱼器本体周围鱼群数量，x3为捕鱼器本体的实时行走方向，x4为捕鱼器本体所受到的海水压力；

其中，所述输入神经元值x1＝{v1,v2,...,vi,...,vq}，x2＝{n1,n2,...,ni,...,nq}，其中，vi为第i个方向上的鱼群体积，ni为第i个方向上的鱼群数量，q为捕鱼器本体周向360°所分的方向数；

步骤三、所述输入层向量映射到隐层，隐层的神经元为m个；

步骤四、得到输出层神经元向量o＝{o1,o2,o3,o4,o5,o6,o7}；其中，o1,o2,o3,o4分别为四个基于人工肌肉的行走肢的状态，o5为仿生捕鱼器的升降高度，o6为捕鱼器本体应该行走的方向，o7为捕鱼器本体在应该行走的方向上行走的距离；

其中，所述输出层神经元值为ok＝{p1,k,p2,k,p3,k,p4,k}，k为输出层神经元序列号，k＝{1,2,3,4}，p1,k,p2,k,p3,k,p4,k分别为第k肢基于人工肌肉的行走肢上的四个扇形柱状空腔的压力。

优选的是，在捕鱼器本体升降时，控制升降舱的排水量满足：

其中，v为升降舱的排水量，v＞0为升降舱排水，v＜0为升降舱吸水，m为仿生捕鱼器的重量，h为仿生捕鱼器的升降高度，h＞0为仿生捕鱼器上升，h＜0为仿生捕鱼器下沉，h为行走肢的工作频率，l为行走肢的轴向长度，αmax为行走肢的最大弯曲角度，ρ为海水密度，g为重力加速度，d为仿生捕鱼器在应该行走的方向上行走的距离，v0为升降舱的原有水量，vn为捕鱼器本体的排水量。

优选的是，当捕鱼器本体行走至所述行走肢对准鱼群时，脉冲式负压发生器控制行走肢将鱼群顺着捕鱼管道吸入储藏舱内，控制捕鱼管道中鱼群的吸入负压满足：

其中，p为捕鱼管道中鱼群的吸入负压，n为鱼群的数量，v为鱼群的体积，r为捕鱼管道的直径。

优选的是，所述隐层节点个数m满足：

优选的是，所述隐层及所述输出层的激励函数均采用s型函数fj(x)＝1/(1+e^-x)。

本发明所述的有益效果：

(1)本发明设计开发的仿生捕鱼器，设置有基于人工肌肉的行走肢，通过控制扇形柱状空腔的压力实现行走肢的弯曲，并通过引射原理将鱼群顺着捕鱼通道吸入储存舱内，实现高效捕捞。

(2)本发明设计开发的仿生捕鱼器的控制方法，通过采集捕鱼器本体周围的全景图像、捕鱼器本体的行走方向以及捕鱼器本体所受到的海水压力，并基于bp神经网络确定基于人工肌肉的行走肢的行走状态和捕鱼器本体的升降高度，确定待捕鱼群。本发明还能精确控制升降舱的排水量，实现仿生捕鱼器的精确升降。本发明通过引射原理并控制捕鱼管道中鱼群的吸入负压，将鱼群顺着捕鱼通道吸入储存舱内，实现高效捕捞。

附图说明

图1为本发明所述仿生捕鱼器的结构示意图。

图2为本发明所述基于人工肌肉的行走肢的结构示意图。

图3为本发明所述基于人工肌肉的行走肢的剖视结构示意图。

图4为本发明所述基于人工肌肉的行走肢的弯曲示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明提供一种仿生捕鱼器，包括：捕鱼器本体100，其包括：储藏舱110，其设置在捕鱼器本体100内的下部，用于储藏捕捞的鱼群；升降舱120，其设置在储藏舱110上方的捕鱼器本体100内，用于捕鱼器本体100的升降；所述的升降舱120上开有两个口即第一开口和第二开口，并在本体100内设置有水泵，第一开口用第一电磁阀控制其开和闭，当开的状态时，升降舱120与外界相通，当闭的状态时，升降舱120与外界隔绝；第二开口与水泵输入口连接，水泵工作时将升降舱120的海水抽出，在升降舱120中形成一定的真空，使得仿生捕鱼器上浮；因此当要控制仿生捕鱼器的下降时，控制第一电磁阀开启让海水进入所述的升降舱120；当要控制仿生捕鱼器的上升时，控制第一电磁阀关闭，然后使水泵工作让所述的升降舱120中的海水抽出，使得仿生捕鱼器具有向上的浮力。

如图2和3所示，多个基于人工肌肉的行走肢130，其分别设置在捕鱼器本体100的四角，用于捕鱼器本体100的行走和鱼群捕捞，其包括：捕鱼通道131，其贯穿所述行走肢130轴心，且一端与储藏舱110连通；多个扇形柱状空腔132，其分隔贯穿设置在捕鱼通道131周向的行走肢130上，且两端密闭设置，避免海水进入扇形柱状空腔132内，本实施例中，所述扇形柱状空腔132为4个，且互成90°角。多个高压液体管133，其分别设置在扇形柱状空腔132内并与扇形柱状空腔132一一对应连通，且一端伸出所述扇形柱状空腔132并与高压水源连通，用于向扇形柱状空腔内注水，进而控制扇形柱状空腔132的水压力，实现扇形柱状空腔132沿其轴向方向的伸缩及任意一个方向的弯曲，如图4所示；实现四个自由度的控制，进而实现行走肢130支撑捕鱼器本体行走。

所述的捕鱼通道131与储藏舱110的连通处设置有第二电磁阀，第二电磁阀处于开的状态时，所述的捕鱼通道131与储藏舱是相通的；在所述的仿生捕鱼器行走时或者升降时，第二电磁阀处于关闭状态，这样能保证捕捞对象不会倒流到海中，同时也实现了对捕捞对象的保压；只有当所述的行走肢130的前端对准捕捞对象，并准备进行捕捞时时，第二电磁阀处于开启状态。

所述基于人工肌肉的行走肢130还包括：高压水源，其设置在所述捕鱼器本体100内，其通过比例压力阀与所述高压液体管133连通，用于控制所述扇形柱状空腔内的水压，进而实现扇形柱状空腔132沿其轴向方向的伸缩及任意一个方向的弯曲；喷嘴，其设置在靠近捕鱼通道131的储藏舱110内且朝向储藏舱110设置，所述的喷嘴与高压水源连通；脉冲式负压发生器，其设置在控制舱140内，其与高压水源和喷嘴连接，用于控制基于人工肌肉的行走肢130进行鱼群捕捞。具体是，脉冲式负压发生器，用于发出一种脉冲式真空液流实现对捕捞对象的负压吸取捕捞，然后通过捕鱼通道131吸入捕捞对象，并顺着捕捞通道将捕捞对象收集到储藏舱中。所述的高压水源通过二位三通阀与喷嘴进行连接，喷嘴方向朝着储藏舱，当所述的二位三通阀通电时所述的高压水源为所述的喷嘴提供高压液体，根据引射原理，这时在捕鱼通道中形成真空负压；通过控制所述的二位三通液压阀的开与关以及开启大小，在捕捞管道中产生一种脉冲式真空液流，进而实现负压吸取捕捞。

在仿生捕鱼器行走时，所述的四个行走肢130支撑着所述的仿生捕鱼器本体；在所述的仿生捕鱼器进行捕捞时，所述的四个行走肢130前端对准捕捞对象实现对准捕捞对象吸入捕捞。

控制舱140，其设置在所述升降舱120上方的捕鱼器本体100内，其中安装着智能体、其他控制仪器仪表以及备用电源，并与所述升降舱120和基于人工肌肉的行走肢130连接，用于控制捕鱼器本体100的升降以及捕鱼器本体100的行走和鱼群捕捞。

双目立体全景视觉传感器141，自带有为仿生捕鱼器提供照明的环形led光源，固定在所述的仿生捕鱼器本体的顶面中心，用于获取仿生海底生物仿生捕鱼器周边的全景立体视觉视频图像，接入到控制舱内与所述的智能体的接口进行连接；压力传感器，固定在所述的仿生捕鱼器本体的顶面上，接入到控制舱内与所述的智能体接口进行连接，用于检测所述的仿生捕鱼器本体所受到的海水压力，从而从压力值推算出所述的仿生捕鱼器本体所处的深度；数字罗盘，安置在控制舱140内，与所述的智能体的接口进行连接，用于检测所述的仿生捕鱼器的行走方向，根据所述的仿生捕鱼器行走控制与行走方向得到所述的仿生捕鱼器在海底行走的轨迹。

本发明设计开发的仿生捕鱼器，设置有基于人工肌肉的行走肢，通过控制扇形柱状空腔的压力实现行走肢的弯曲，并通过引射原理将鱼群顺着捕鱼通道吸入储存舱内，实现高效捕捞。

本发明还提供一种仿生捕鱼器的控制方法，采集捕鱼器本体周围的全景图像、捕鱼器本体的行走方向以及捕鱼器本体所受到的海水压力，并基于bp神经网络确定基于人工肌肉的行走肢的行走状态和捕鱼器本体的升降高度，具体包括如下步骤：

步骤一、建立bp神经网络模型。

bp模型上各层次的神经元之间形成全互连连接，各层次内的神经元之间没有连接，输入层神经元的输出与输入相同，即oi＝xi。中间隐含层和输出层的神经元的操作特性为

opj＝fj(netpj)

其中p表示当前的输入样本，ωji为从神经元i到神经元j的连接权值，opi为神经元j的当前输入，opj为其输出；fj为非线性可微非递减函数，一般取为s型函数，即fj(x)＝1/(1+e^-x)。

本发明采用的bp网络体系结构由三层组成，第一层为输入层，共n个节点，对应了仿生捕鱼器工作状态的n个检测信号，这些信号参数由数据预处理模块给出；第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定；第三层为输出层，共p个节点，由系统实际需要输出的响应确定。

该网络的数学模型为：

输入向量：x＝(x1,x2,...,xn)^t

中间层向量：y＝(y1,y2,...,ym)^t

输出向量：o＝(o1,o2,...,op)^t

本发明中，输入层节点数为n＝4，输出层节点数为p＝7，并在捕鱼器本体周向360°分有8个方向，即q＝8，隐藏层节点数

输入层4个参数分别表示为：x1为捕鱼器本体周围鱼群体积，x2为捕鱼器本体周围鱼群数量，x3为捕鱼器本体的实时行走方向，x4为捕鱼器本体所受到的海水压力；

其中，所述输入神经元值x1＝{v1,v2,...,vi,...,vq}，x2＝{n1,n2,...,ni,...,nq}，其中，vi为第i个方向上的鱼群体积，ni为第i个方向上的鱼群数量，q为捕鱼器本体周向360°所分的方向数。

输出层7个参数分别表示为：o1,o2,o3,o4分别为四个基于人工肌肉的行走肢的状态，o5为仿生捕鱼器的升降高度，o6为捕鱼器本体应该行走的方向，o7为捕鱼器本体在应该行走的方向上行走的距离；

其中，所述输出层神经元值为ok＝{p1,k,p2,k,p3,k,p4,k}，k为输出层神经元序列号，k＝{1,2,3,4}，p1,k,p2,k,p3,k,p4,k分别为第k肢基于人工肌肉的行走肢上的四个扇形柱状空腔的压力。

步骤二、进行bp神经网络的训练。

建立好bp神经网络节点模型后，即可进行bp神经网络的训练。根据产品的历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值，隐层节点j和输出层节点k之间的连接权值。

(1)训练方法

各子网采用单独训练的方法；训练时，首先要提供一组训练样本，其中的每一个样本由输入样本和理想输出对组成，当网络的所有实际输出与其理想输出一致时，表明训练结束；否则，通过修正权值，使网络的理想输出与实际输出一致；各子网训练时的输出样本如表1所示。

表1网络训练用的输出样本

(2)训练算法

bp网络采用误差反向传播(backwardpropagation)算法进行训练，其步骤可归纳如下：

第一步：选定一结构合理的网络，设置所有节点阈值和连接权值的初值。

第二步：对每个输入样本作如下计算：

(a)前向计算：对l层的j单元

式中，为第n次计算时l层的j单元信息加权和，为l层的j单元与前一层(即l-1层)的单元i之间的连接权值，为前一层(即l-1层，节点数为nl-1)的单元i送来的工作信号；i＝0时，令为l层的j单元的阈值。

若单元j的激活函数为sigmoid函数，则

且

若神经元j属于第一隐层(l＝1)，则有

若神经元j属于输出层(l＝l)，则有

且ej(n)＝xj(n)-oj(n)；

(b)反向计算误差：

对于输出单元

对隐单元

(c)修正权值：

η为学习速率。

第三步：输入新的样本或新一周期样本，直到网络收敛，在训练时各周期中样本的输入顺序要重新随机排序。

bp算法采用梯度下降法求非线性函数极值，存在陷入局部极小以及收敛速度慢等问题。更为有效的一种算法是levenberg-marquardt优化算法，它使得网络学习时间更短，能有效地抑制网络陷于局部极小。其权值调整率选为

δω＝(j^tj+μi)^-1j^te

其中j为误差对权值微分的雅可比(jacobian)矩阵，i为输入向量，e为误差向量，变量μ是一个自适应调整的标量，用来确定学习是根据牛顿法还是梯度法来完成。

在系统设计时，系统模型是一个仅经过初始化了的网络，权值需要根据在使用过程中获得的数据样本进行学习调整，为此设计了系统的自学习功能。在指定了学习样本及数量的情况下，系统可以进行自学习，以不断完善网络性能。

在捕鱼器本体升降时，控制升降舱的排水量满足：

其中，v为升降舱的排水量，v＞0为升降舱排水，v＜0为升降舱吸水，m为仿生捕鱼器的重量，h为仿生捕鱼器的升降高度，h＞0为仿生捕鱼器上升，h＜0为仿生捕鱼器下沉，h为行走肢的工作频率，l为行走肢的轴向长度，αmax为行走肢的最大弯曲角度，ρ为海水密度，g为重力加速度，d为仿生捕鱼器在应该行走的方向上行走的距离，v0为升降舱的原有水量，vn为捕鱼器本体的排水量。

当捕鱼器本体行走至所述行走肢对准鱼群时，脉冲式负压发生器控制行走肢将鱼群顺着捕鱼管道吸入储藏舱内，控制捕鱼管道中鱼群的吸入负压满足：

其中，p为捕鱼管道中鱼群的吸入负压，n为鱼群的数量，v为鱼群的体积，r为捕鱼管道的直径。

下面结合具体的实施例进一步的对本发明提供的仿生捕鱼器的控制方法进行说明。

本实施例设计的捕鱼通道的直径为200mm，捕鱼器本体的质量为2.5t，排水量为5m³，升降舱内原有水的体积为3.5m³，行走肢的最大弯曲角度为60度，行走肢的长度为500mm，工作频率为0.5/s。模拟水下环境，并设置各个方向上鱼群的数量，具体数据如表2所示。

表2模拟实验数据

其中，方向1为正北方向，方向2为东北方向，方向3为正东方向，方向4为东南方向，方向5为正南方向，方向6为西南方向，方向7为正西方向，方向8为西北方向。

采用本发明的仿生捕鱼器的控制方法确定基于人工肌肉的行走肢的行走状态和捕鱼器本体的升降高度，具体结果如表3所示。

表3输出结果

并根据下式确定升降舱的排水量：

再根据控制捕鱼管道中鱼群的吸入负压，能够对鱼群进行高效捕捞。

本发明设计开发的仿生捕鱼器的控制方法，通过采集捕鱼器本体周围的全景图像、捕鱼器本体的行走方向以及捕鱼器本体所受到的海水压力，并基于bp神经网络确定基于人工肌肉的行走肢的行走状态和捕鱼器本体的升降高度，确定待捕鱼群。本发明还能精确控制升降舱的排水量，实现仿生捕鱼器的精确升降。本发明通过引射原理并控制捕鱼管道中鱼群的吸入负压，将鱼群顺着捕鱼通道吸入储存舱内，实现高效捕捞。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。