一种无人船自动寻找污染源的方法技术

本发明专利技术涉及无人船自动寻找污染源的方法，包括：步骤1)无人船根据远程工控机的指令采集初始粒子数、粒子当前坐标值、水文信息适应度数据、水流速度数据以及水流方向数据；步骤2)无人船的控制器采用经典粒子群算法判断水文信息适应度数据的历史最优与个体最优后，与所述水流速度数据、水流方向数据结合形成与无人船相对应的路径向量；步骤3)所述控制器结合该无人船当前的位置坐标与路径向量形成目标位置，判断所述目标位置是否属于设定的寻优空间的最大范围内。能够在不断获得无人船采集的水质信息、定位信息的前提下，无人船自动最优化的规划路径，充分利用各种信息，特别是考虑到能源实际使用的情况，寻找污染源，从而达到快速高效、实际的特点。

【技术实现步骤摘要】
一种无人船自动寻找污染源的方法
本专利技术涉及污染治理
，尤其涉及一种无人船自动寻找污染源的方法。
技术介绍
无人船是一种用于在水中，用于检测水文信息的设备，它可以检测出水质的情况，包括有水温、水流流速、水流流向、电导率、pH、氧化还原电位、溶解氧、浊度、蓝绿藻，叶绿素a和氨氮等信息，它对水质的检测、环境的保护起着十分重要的作用。随着人们对环境保护的重视，现在的需求已经不仅是固定的检测水质的状况，而且还要追根溯源，找到环境污染的源头，从而从根本上用技术手段发现并解决水污染治理的问题。现在已有的无人船的路径规划的方法中，最为接近的例如公开号CN201510570169.5《一种用于无人船的污染源追踪方法及系统》的专利中，提出了无人船自动生成路线、也提出了固定路线，但是没有提到如何优化快速的自动生成路线。公开号CN201611011437.0《一种基于无人设备的水质巡检、污染物溯源系统及其方法》的专利中，提出了无人船和无人机协同寻找的概念，但是也未提到如何单个、或者多个无人船如何优化快速的自动生成路线，进行最优、快速寻找到污染源的问题。从另外一个角度来看，现有的粒子群寻优算法是目前经典的寻优算法，该算法适合用于本领域的工作，但是其存在的问题是，它只利用了历史最优和局部最优的概念，进行寻优，没有考虑到在寻优空间中动态场的概念，所以无法利用水流流速、水流流向的信息，进行综合性的考量，从而达到快速高效的要求。另外，寻优算法本身需要由一条无人船上的计算机来提供计算资源，而无人船的能源大多数是靠太阳能充电到自带电池里面后，提供给整条船运行的，其工作状态一般分成待机充电模式和正常工作模式。在正常工作模式下，能源的消耗速度远大于充电速度，所以，一条船很难从始至终作为提供核心算法的计算资源，而这一问题并没有在已有的无人船的路径规划的方法中得到体现。
技术实现思路
本专利技术目的在于染治理
，提供了一种无人船自动寻找污染源的方法，具体由以下技术方案实现：所述无人船自动寻找污染源的方法，包括如下步骤：步骤1)无人船根据远程工控机的指令采集初始粒子数、粒子当前坐标值、水文信息适应度数据、水流速度数据以及水流方向数据；步骤2)无人船的控制器采用经典粒子群算法判断水文信息适应度数据的历史最优与个体最优后，与所述水流速度数据、水流方向数据结合形成与无人船相对应的路径向量；步骤3)所述控制器结合该无人船当前的位置坐标与路径向量形成目标位置，判断所述目标位置是否属于设定的寻优空间的最大范围内，若属于，则依照路径向量输出步长距离到无人船的驱动电路，由所述驱动电路控制无人船工作，完成运动工作；若不属于，则由所述驱动电路以能够执行的实际步长距离来执行运动动作。所述无人船自动寻找污染源的方法的进一步设计在于，所述步骤1)中远程工控机设定寻优空间的最大范围Spacemax，无人船的运动最大步长Sstep，制定本时间段水质监测的任务目标，最大寻优步数Stepmax。所述无人船自动寻找污染源的方法的进一步设计在于，所述水文信息适应度数据设定为Fitness(pmi,stepi),其中pmi为第pmi个无人船；stepi为当前第stepi的步骤，设定Fitness(pmi,stepi)最优时适应度变化比例为FitnessCP，当水文信息适应度数据的全局最优值前后变化率的绝对值低于FitnessCP，且连续达到设定的次数sametime时，判定全局最优值的粒子所在位置即为污染源，保存并发送污染源的地理坐标。所述无人船自动寻找污染源的方法的进一步设计在于，所述Fitness(pmi,stepi)为远程工控机根据任务进行设定的水质检测参数值的单个或组合的最大值或者水质检测参数值的单个或组合的最小值。所述无人船自动寻找污染源的方法的进一步设计在于，FitnessCP设定为0.5％到5％，sametime为1到10次。所述无人船自动寻找污染源的方法的进一步设计在于，步骤2)中若无人船的控制器找到水文信息适应度数据的个体最优，则将当前定位和历史数据进行保存或发送给远程工控机，否则无人船处于等待状态。所述无人船自动寻找污染源的方法的进一步设计在于，步骤2)中无人船的控制器导入所述历史数据后形成路径向量。所述无人船自动寻找污染源的方法的进一步设计在于，所述步骤2)中根据式(1)完成路径向量的计算V＝c1*rand()*(pbest[]-present[])+c2*rand()*(gbest[]-present[])-c3*rand()*(Speed(pmi,stepi)·Direct(pmi,stepi)*)；(1)其中，persent[]是当前粒子的位置，pbest[]和gbest[]分别是当前最优和全局最优，rand()是介于(0,1)之间的随机数，c1，c2以及c3均为学习因子，pmi为第pmi个无人船；stepi为当前第stepi的步骤，其中，Direct()代表的是当前粒子测得的水流的运动方向，Speed()代表的是当前粒子测得的水流的运动速度。所述无人船自动寻找污染源的方法的进一步设计在于，c1，c2以及c3的值均设定为0.33。所述无人船自动寻找污染源的方法的进一步设计在于，所述无人船为若干无人船的情况下，若存在剩余电量大于设定的任务进程能源阈值的无人船时，首先由远程工控机选择剩余电量最大的无人船作为指挥船，由指挥船完成步骤2)的操作后，将路径向量发送至对应的无人船的控制器，由各无人船完成后续工作；若不存在剩余电量大于设定的任务进程能源阈值无人船时，将信息分散地发送至每个对应的无人船，等待无人船电源通过太阳能板自主充满后完成后续工作。本专利技术的优点如下：本专利技术的无人船自动寻找污染源的方法，能够在不断获得无人船采集的水质信息、定位信息的前提下，在单个或者多个智能无人船的条件下，无人船自动最优化的规划路径，充分利用各种信息，寻找污染源，从而达到快速高效、实际的特点。另外，本算法还考虑到无人船的能源问题，不断的把计算任务从能源低的无人船转到能源高的无人船，或者全部待机充电后，重新选择一条船作为现场指挥船，提供核心算分的计算资源，保证了算法的在工程上的可靠运行。附图说明图1为本专利技术实施例的方法流程图。具体实施方式如图1，本实施例提供的无人船自动寻找污染源的方法，包括如下步骤：步骤1)无人船根据远程工控机的指令采集初始粒子数Pm、粒子当前坐标值PstartPm(Pstart_x,Pstart_y)、水文信息适应度数据、水流速度数据以及水流方向数据。其中，初始粒子数Pm为能够互相连接通信的该水域的无人船的个数。粒子当前坐标值PstartPm(Pstart_x,Pstart_y)为对应的无人船现在的定位设备提供的定位坐标(纬度、经度)。步骤2)无人船的控制器采用经典粒子群算法判断水文信息适应度数据的历史最优与个体最优后,其中，历史最优为经典粒子群算法中整个群体中的历史最优位置记录，个体最优为经典粒子群算法中当前粒子的历史最优位置记录，与水流速度数据、水流方向数据结合形成与无人船相对应的路径向量。步骤3)控制器结合该无人船当前的位置坐标与路径向量形成目标位置，判断目标位置是否属于设定的寻优空间的最大范围内，若属于，则依照路径向量输出步长距离到无人船的驱动电路本文档来自技高网...

【技术保护点】
一种无人船自动寻找污染源的方法，其特征在于包括如下步骤：步骤1)无人船根据远程工控机的指令采集初始粒子数、粒子当前坐标值、水文信息适应度数据、水流速度数据以及水流方向数据；步骤2)无人船的控制器采用经典粒子群算法判断水文信息适应度数据的历史最优与个体最优后，与所述水流速度数据、水流方向数据结合形成与无人船相对应的路径向量；步骤3)所述控制器结合该无人船当前的位置坐标与路径向量形成目标位置，判断所述目标位置是否属于设定的寻优空间的最大范围内，若属于，则依照路径向量输出步长距离到无人船的驱动电路，由所述驱动电路控制无人船工作，完成运动工作；若不属于，则由所述驱动电路以能够执行的实际步长距离来执行运动动作。

【技术特征摘要】
1.一种无人船自动寻找污染源的方法，其特征在于包括如下步骤：步骤1)无人船根据远程工控机的指令采集初始粒子数、粒子当前坐标值、水文信息适应度数据、水流速度数据以及水流方向数据；步骤2)无人船的控制器采用经典粒子群算法判断水文信息适应度数据的历史最优与个体最优后，与所述水流速度数据、水流方向数据结合形成与无人船相对应的路径向量；步骤3)所述控制器结合该无人船当前的位置坐标与路径向量形成目标位置，判断所述目标位置是否属于设定的寻优空间的最大范围内，若属于，则依照路径向量输出步长距离到无人船的驱动电路，由所述驱动电路控制无人船工作，完成运动工作；若不属于，则由所述驱动电路以能够执行的实际步长距离来执行运动动作。2.根据权利要求1所述的无人船自动寻找污染源的方法，其特征在于所述步骤1)中远程工控机设定寻优空间的最大范围Spacemax，无人船的运动最大步长Sstep，制定本时间段水质监测的任务目标，最大寻优步数Stepmax。3.根据权利要求2所述的无人船自动寻找污染源的方法，其特征在于所述水文信息适应度数据设定为Fitness(pmi,stepi),其中pmi为第pmi个无人船；stepi为当前第stepi的步骤，设定Fitness(pmi,stepi)最优时适应度变化比例为FitnessCP，当水文信息适应度数据的全局最优值前后变化率的绝对值低于FitnessCP，且连续达到设定的次数sametime时，判定全局最优值的粒子所在位置即为污染源，保存并发送污染源的地理坐标。4.根据权利要求3所述的无人船自动寻找污染源的方法，其特征在于所述Fitness(pmi,stepi)为远程工控机根据任务进行设定的水质检测参数值的单个或组合的最大值或者水质检测参数值的单个或组合的最小值。5.根据权利要求3所述的无人船自动寻找污染源的方法，其特征在于FitnessCP...

【专利技术属性】
技术研发人员：胡凯，刘佳，严飞，刘云平，赵兴强，李远禄，杨常松，郭颖，刘卿卿，胡伟，蒋星宇，李渝，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32