【技术实现步骤摘要】
本专利技术涉及路径规划，尤其涉及一种基于数字孪生模型的水下清淤机器人路径规划方法。
技术介绍
1、水下清淤作业是维护海洋和内河航道、港口、水库等水域的重要手段，旨在清除沉积在水底的泥沙、淤泥和其他污染物，确保水道畅通、水质良好，并保护水下生态环境。近年来，数字孪生技术（digital twin）在工业自动化、智能制造等领域得到了广泛应用。数字孪生技术通过构建物理系统的虚拟模型，实现了物理世界与虚拟世界的实时交互和协同工作。将数字孪生技术应用于水下清淤机器人路径规划，可以有效解决传统方法的局限性，提升清淤作业的安全性、效率和环保性。
2、尽管传统方法通过预先绘制的水下地形图和已知的障碍物分布，结合算法及图权重方法选择最短路径来执行清淤任务，但这种方法存在诸多技术缺陷。首先，静态的地形图无法实时反映水下环境的动态变化，如水流速度、方向的变化，突发的障碍物出现，以及水下生物活动的干扰，导致机器人在实际作业中可能遇到未预见的挑战，影响作业的安全性和连续性。其次，传统的路径规划方法主要关注清淤作业时长、路径长度、关键清淤位置数量和能耗等静态指标，而未能充分考虑清淤过程中的实时环境状况，如气象条件、水流影响、水下生物活动等因素，这可能导致路径规划不够灵活，无法适应复杂的水下环境。此外，现有技术缺乏对历史任务的成功率、气象影响、水下生物活动历史数据的有效利用，无法从过去的任务中学习和改进，导致路径规划的鲁棒性和适应性较差。最后，传统方法在处理多目标优化问题时表现不足，难以同时兼顾清淤效率、能耗、时间成本和生态影响等多个目标，容易在
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种基于数字孪生模型的水下清淤机器人路径规划方法，包括：
2、步骤1，建立数字孪生模型；
3、步骤2，在所述数字孪生模型中定义若干工作区域，在所述工作区域中确定起始点和结束点；
4、步骤3，预设清淤作业任务；根据预设清淤作业任务，将所述工作区域划分为若干生态区，每个生态区执行一个或若干清淤作业任务；
5、步骤4，利用自主导航系统确定从所述起始点到所述结束点的若干条初始清淤路径；
6、步骤5，获取历史的清淤作业任务；根据历史的清淤作业任务确定关键清淤位置，根据关键清淤位置和初始清淤路径构建拓扑结构图，所述关键清淤位置作为所述拓扑结构图中的拓扑节点，所述初始清淤路径作为所述拓扑结构图中的边；
7、步骤6，通过数字孪生模型模拟水下清淤机器人在初始清淤路径上执行清淤任务，得到清淤作业时长、路径长度、关键清淤位置数量、能耗；
8、步骤7，根据清淤作业时长、路径长度、关键清淤位置数量、能耗，为所述拓扑结构图中每条初始清淤路径计算初始权重值；
9、步骤8，获取历史成功率因子、气象影响因子、水下生物活动影响因子、水流影响因子，根据历史成功率因子、气象影响因子、水下生物活动影响因子、水流影响因子对初始权重值进行校正，得到校正权重值，将最大的校正权重值的初始清淤路径作为优化清淤路径；
10、步骤9，水下清淤机器人基于所述优化清淤路径执行清淤任务；在所述优化清淤路径执行清淤任务过程中，结合局部避障算法对障碍物进行紧急避障，得到局部优化清淤路径。
11、进一步地，获取历史成功率因子，具体包括：
12、步骤8a1，根据历史的清淤作业任务，获取历史的清淤作业任务的成功率、每个历史的清淤作业任务的完成时间、每个历史的清淤作业任务的复杂度因子、每个历史的清淤作业任务的环境相似度因子、每个历史的清淤作业任务的权重；
13、步骤8a2，根据历史的清淤作业任务的成功率、每个历史的清淤作业任务的完成时间、每个历史的清淤作业任务的复杂度因子、每个历史的清淤作业任务的环境相似度因子、每个历史的清淤作业任务的权重，计算得到历史成功率因子。
14、进一步地，获取气象影响因子，具体包括:
15、步骤8b1，从历史的清淤作业任务中获取气象指标；
16、步骤8b2，获取气象指标的影响程度评分；
17、步骤8b3，根据所有的气象指标以及影响程度评分，计算得到气象影响因子。
18、进一步地，获取水下生物活动影响因子，具体包括：
19、步骤8c1，确定所述生态区的敏感生物；
20、步骤8c2，获取当前所述生态区内敏感生物的数量；
21、步骤8c3，在当前所述生态区历史的清淤作业任务中，获取历史的水下清淤机器人与当前所述生态区内每个敏感生物之间的距离；
22、步骤8c4，获取当前所述生态区内敏感生物的行为模式；
23、步骤8c5，根据历史的水下清淤机器人与当前所述生态区内每个敏感生物之间的距离、当前所述生态区内敏感生物的行为模式、当前所述生态区内敏感生物的数量，计算得到水下生物活动影响因子。
24、进一步地，获取水流影响因子，具体包括：
25、步骤8d1，在每个生态区构建若干测量点；
26、步骤8d2，获取每个测量点的水流速度、水流速度变化量、水流方向；
27、步骤8d3，将所有测量点的水流速度由高到低进行排列，将前2/3的水流速度定义为强水流，并获取强水流的持续时间；
28、步骤8d4，根据历史的水下清淤机器人的前进方向与水流方向之间的夹角；
29、步骤8d5，根据水流速度、水流速度变化量、强水流的持续时间、夹角，计算得到水流影响因子。
30、进一步地，所述校正权重值的计算公式为：
31、；
32、式中，代表校正权重值，代表初始权重值，代表第k个历史的清淤作业任务的历史成功率因子，代表第j个气象指标的气象影响因子，代表第q个测量点的水流影响因子，m代表历史的清淤作业任务总数，n代表初始路径总数，p代表气象指标总数，z代表测量点总数。
33、进一步地，所述历史成功率因子的计算公式为：
34、；
35、式中，代表历史的清淤作业任务的历史成功率，代表当前时间，代表第k个历史的清淤作业任务的完成时间，代表第k个历史的清淤作业任务的复杂度因子，代表第k个历史的清淤作业任务的环境相似度因子，代表第k个历史的清淤作业任务的权重，代表调整系数。
36、进一步地，气象影响因子的计算公式为：
37、；
38、式中，max代表取最大值，代表第j个气象指标的影响程度评分。
39、进一步地，在所述优化清淤路径执行清淤任务过程中，结合局部避障算法对障碍物进行紧急避障，得到局部优化清淤路径，具体包括：
40、步骤91，在水下清淤机器人的当前位置周围构建一个局部图；所述局部图包括若干局部节点和若干本文档来自技高网...
【技术保护点】
1.一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，包括：
2.根据权利要求1所述的一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，获取历史成功率因子，具体包括：
3.根据权利要求2所述的一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，获取气象影响因子，具体包括:
4.根据权利要求3所述的一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，获取水下生物活动影响因子，具体包括：
5.根据权利要求4所述的一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，获取水流影响因子，具体包括：
6.根据权利要求5所述的一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，所述校正权重值的计算公式为：
7.根据权利要求6所述的一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，所述历史成功率因子的计算公式为：
8.根据权利要求6所述的一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，气象影响因子的计算公式为：
...
【技术特征摘要】
1.一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，包括：
2.根据权利要求1所述的一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，获取历史成功率因子，具体包括：
3.根据权利要求2所述的一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，获取气象影响因子，具体包括:
4.根据权利要求3所述的一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，获取水下生物活动影响因子，具体包括：
5.根据权利要求4所述的一种基于数字孪生模型的水下清淤机器人路径规划方法，其特征在于，获取水流影响因子，具体包括：...
【专利技术属性】
技术研发人员：陈松贵，陈汉宝，朱婷婷，王洋，赵旭，王依娜，段自豪，胡杰龙，马隽，
申请(专利权)人：交通运输部天津水运工程科学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。