CN211978876U - 一种用于协同水环境中油污污染源监测和追踪的无人船 - Google Patents

Abstract

本实用新型涉及一种用于协同水环境中油污污染源监测和追踪的无人船。该装置包括船体，电源及驱动模块、航行控制模块、通讯模块、主控***、和数据采集模块等。船体包含船体***的充气垫圈，船体尾部的螺旋桨，船体两侧的平衡翼以及船体四周还配有的照明灯。电源及驱动模块位于船体内部，包含了驱动装置、电源模块、电源控制板等。航行控制模块位于船体上侧，包含了方向反馈装置、避障装置、姿态反馈装置和定位装置等。通讯模块位于船体上侧，包含了GSM装置和UWB装置。数据采集模块则包含了位于船体下侧测流装置和油污监测装置以及位于船体上侧的摄像头。与现有技术相比，本实用新型具油污污染源定位准确，智能，环保，高效，操作简单等优点。

Description

一种用于协同水环境中油污污染源监测和追踪的无人船

技术领域

本实用新型涉及海面污染源智能定位技术领域，尤其是涉及一种用于协同水环境中油污污染源监测和追踪的无人船。

背景技术

近年来，突发性的水域污染事件频发，例如发生在2010年4月的美国墨西哥湾原油钻井平台泄漏事件，2011年6月的中海油渤海湾油田漏油事故，2018年伊朗油轮东海撞船引起的漏油事件等。突发性水域污染事件的发生对生态环境带来严重的威胁。而如果不能及时采取有效清理措施，将会造成不可估量的损失。水域环境的复杂性往往使得污染区域的处理工作变得较为困难。

而污染事故发生后对污染扩延范围随时间的变化以及油膜在海面漂移轨迹变化的监测是非常重要的。正确的预报才有可能采取相应的措施和对策，尽量减少蒙受损失的程度。但水域的流场、风场、云层、浓雾等环境和天气因素的影响，使监测工作变得更加复杂。随着人工智能技术的发展，携带了多传感器的自主移动机器人被越来越多的应用于执行环境监测、灾后救援、军事探索等任务。应用多机器人进行水域污染监测是一个非常复杂的问题，原因是污染随时间的扩展和漂移由其污染排放量及外部环境等许多因素决定，如风场的大小和方向、流场的紊乱程度、障碍物的影响等。

在水域事件发生后，由于水面情况复杂，经常会有化学品污染海面与实际损毁物漂浮于海面以及二次灾害的情况也会伴随发生，因此污染源的确定过程变得更加复杂且危险，尤其在一些环境复杂、河道狭窄等不便于驾驶大型监测船只的河道以及海域，需要一种能够用于协同水环境中油污污染源监测和追踪的船只解决方案。

实用新型内容

本实用新型的目的就是为了克服上述现有技术存在的缺陷而提供一种用于协同水环境中油污污染源监测和追踪的无人船。

本实用新型的目的可以通过以下技术方案来实现：

一种用于协同水环境中油污污染源监测和追踪的无人船，包括船体，所述船体的尾部设有螺旋桨，所述船体的顶部设有信号模块、巡航避障模块和摄像头，所述船体两侧设有用于平衡所述船体的平衡翼，所述平衡翼通过平衡翼支架与所述船体相连接，所述船体的底部设有油污数据采集模块，所述船体内部设有控制器、电源和油污浓度分析仪，所述摄像头与所述油污浓度分析仪相连接，所述油污浓度分析仪与所述电源相连接，所述电源还分别于所述控制器和所述巡航避障模块相连接，所述控制器还与所述信号模块相连接，所述油污数据采集模块与所述控制器相连接。

进一步地，所述的船体上还设有用于适应夜间行驶的照明灯，所述照明灯与所述控制器相连接。

进一步地，所述的巡航避障模块由GPS定位单元、激光雷达和毫米波雷达组成。

进一步地，所述的螺旋桨通过电机驱动，所述电机与所述控制器相连接。

进一步地，所述的信号模块由GSM单元和UWB单元组成。

进一步地，所述的船体的***还包裹设置有充气垫圈。

进一步地，所述的油污数据采集模块由水流传感器、油污浓度传感器和漏网保护罩组成。

进一步地，所述的电源还与驱动模块和电源控制板相连接。

与现有技术相比，本实用新型具有以下优点：

(1)本实用新型的无人船巡航避障模块由GPS定位单元、激光雷达和毫米波雷达组成能够自主航行、自主规划、自主避障、自主预测和追踪；

(2)本实用新型的船体的尾部设有螺旋桨，船体的顶部设有信号模块、巡航避障模块和摄像头，船体两侧设有用于平衡所述船体的平衡翼，平衡翼通过平衡翼支架与船体相连接，船体的底部设有油污数据采集模块，船体内部设有控制器、电源和油污浓度分析仪，摄像头与油污浓度分析仪相连接，油污浓度分析仪与电源相连接，电源还分别于控制器和巡航避障模块相连接，控制器还与信号模块相连接，油污数据采集模块与控制器相连接，可自适应追踪油污污染源，尤其是能识别环境复杂、河道狭窄等不便于人驾驶大型船只检测的河道、海域。

附图说明

图1为本实用新型的整体结构示意图；

图2为本实用新型的整体结构侧视图；

图3为本实用新型的局部结构俯视图；

图4为本实用新型的局部结构仰视图；

图5为本实用新型的局部结构前视图；

图6为本实用新型的局部结构后视图；

图7为本实用新型一个污染油迹的任务追踪过程图；

图8为本实用新型的工作流程示意图：“三叶草轨迹”法确认污染油膜边缘图；

图9为本实用新型的工作流程示意图：油膜污染范围的边缘检测图；

图10为本实用新型的工作流程示意图：4USV协同探索污染区域边缘图；

图11为本实用新型的运动油膜循环监测图；

图12为本实用新型的内部构造左视图；

图13为本实用新型的内部构造右视图；

图14为本实用新型的内部构造第一侧视图；

图15为本实用新型的内部构造第二侧视图

图16为本实用新型的内部构造仰视图；

图17为本实用新型的内部构造剖面示意图；

图中，1为船体；2为充气垫圈；3为巡航避障模块；4为平衡翼；5为螺旋桨；6为电机；7为信号模块；8为摄像头；9为照明灯；10为控制器；11为电源；12为油污浓度分析仪；13为油污数据采集模块；14为平衡翼支架。

具体实施方式

下面将结合本实用新型实施例中的附图，对本实用新型实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本实用新型的一部分实施例，而不是全部实施例。基于本实用新型中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本实用新型保护的范围。

本实用新型设计原理如下：

公告号为CN201510126010.4的中国发明专利，公开了“海面油污监测装置及监测方法”，其为利用双CCD红外摄像机作为信息采集模块每间隔一段时间采集一次海面图像信息，将图像经中值滤波法进行处理，得到含较少噪声的图像；再将图像进行直方图均衡化处理，然后将图像经形态学滤波处理，然后再经自适应法得出适当油污检测阈值。然而，这种方法需要大量的感知传感器，缺少确认油膜的环节，不能及时有效的做出决策，装置可能由于局部的信息紊乱而失去追踪目标，使监测数据不准确，容易使机构误认为油膜较小而出现漏检、错判。而且该装置和方法没有考虑污染的动态特性，无法预测下一幅油膜图像运动的可能位置，无法动态监测和追踪油膜污染的去向，实时性和鲁棒性较差。

为了克服现有的油污监测船不能根据自适应监测和追踪油污污染源的不足，本实用新型提供一种用于协同水平面油污监测和追踪的无人船，该船能够通过探索并发现油剂污染、油膜污染确认、油膜边缘探测、油膜移动过程的动态追踪四个步骤完成动态油膜污染监测和追踪。另外多船协作通过通讯装置进行多无人船之间的监测数据交换，这样无人船可以更加快速有效的调整其测试能力以适应不断变换的环境条件，而且还可以相互协作以收集信息和追踪，从而做出明智的决策，使协同控制和导航算法更加有效，具有较好的实时性和鲁棒性。

本实用新型解决其技术问题所采用的技术方案是：如图1～图6以及图12～图17所示的一种用于协同水环境中油污污染源监测和追踪的无人船。该装置包括船体、电源及驱动模块、航行控制模块、通讯模块、主控***、和数据采集模块等。所述船体包含船体***的充气垫圈，船体前沿侧用于克服阻力的球鼻艏线形结构，船体尾部用于控制航行的螺旋桨，船体两侧用于平衡船体的平衡翼以及船体四周还配有夜间行驶的照明灯。所述电源及驱动模块位于船体内部，包含了驱动装置、电源模块、电源控制板等。所述航行控制模块位于船体上侧，主要为自主巡航***和自主避障***，包含了方向反馈装置、避障装置、姿态反馈装置和定位装置等。在此基础上，可以采用适合的算法实现水面行走的路径优化和自主避障。所述通讯模块位于船体上侧，包含了GSM装置和UWB装置。所述数据采集模块则包含了位于船体下侧测流装置和油污监测装置以及位于船体上侧的摄像头。

进一步地，所述船体包含船体***的充气垫圈，可用于船靠岸或者与硬物相撞时保护船体。

进一步地，所述船体前侧采用流线性结构，是一种用来克服船阻力的结构。其大小和形状与船体相配合可对水的压力起抵消作用，产生的船波较小，并可改善船体附近水流情况，以减小船的阻力。

进一步地，述船体尾部用于控制航行的螺旋桨，含有三个叶片，其叶片形状为扇形。

进一步地，螺旋桨旋转电机相连，电机为有刷直流电机。

进一步地，所述船体两侧用于平衡船体的平衡翼，通过平衡翼支架与船体相连，可拆卸，其内部含有测姿装置，可根据角度和环境调节两侧平衡翼使船体平衡，从而可以适应多种风浪环境水域。

进一步地，所述船体四周还配有以适应夜间行驶的照明灯可满足阴天和夜间作业的要求。

进一步地，所述电源及驱动模块位于船体内部，包含了驱动装置、电源模块、电源控制板等。

进一步地，所述航行控制模块位于船体上侧，主要为自主巡航***和自主避障***，包含了方向反馈装置、避障装置、姿态反馈装置和定位装置等。

进一步地，所述自主巡航***通过GPS获取无人船实时经纬度等坐标位置信息，通过电子罗盘、水平倾角监测、智能速度调控等技术实现污染监测船的自主巡航。

进一步地，所述自主避障***通过激光雷达和毫米波雷达可实现污染监测船的测距。在此基础上，采用适合的算法实现水面行走的路径优化和自主避障。

进一步地，所述通讯模块位于船体上侧，包含了GSM装置和UWB装置。

进一步地，所述GSM装置通过实时远程通信技术可用于进行多无人艇间及无人艇与远程监控中心的实施数据传输和信息交换。

进一步地，所述UWB装置通过超宽带通信技术可用于实现无人艇之间的测距和短距离通信。这样无人船可以更加快速有效的调整其测试能力以适应不断变换的环境条件，而且还可以相互协作以收集信息和追踪，从而做出明智的决策，使协同控制和导航算法更加有效。

进一步地，所述主控***内含单片机，位于船体内，在通讯模块的下方。

进一步地，所述数据采集装置包含位于船体下侧的水流传感器、油污浓度传感器配有网漏保护装置以及位于船体上侧的摄像头。

进一步地，所述油污浓度传感器内含臭氧，当油污接触油污浓度传感器时，与传感器中的臭氧发生反应，经油污浓度处理器从而测得油污浓度，并将浓度信号输入主控***；

基于本实用新型无人船的后续应用如下：

摄像头位于船体前侧的稳定平台上，用于检测油膜的连续性。当无人船在行程中检测到污染物浓度信息时，需要确认该信息是否为连续信息，因为一个独立的污染物浓度信息可能并不是连续的，也可能是传感器误报，因此采用摄像头可用来确认油膜的连续性。

当无风、流时，油膜的运动仅是自身在水面上呈圆形的扩散。但只要有风、流存在，甚至很弱，油膜的运动也主要受风和流的影响。影响油膜运动的主要因素按其重要性排列是表面流速度、风速、溢油的扩散特性。从溢油扩展过程来看，油膜在水面上的运动过程分为扩散过程和漂移过程。在静止海面上溢油在最初阶段内，扩展过程占主要支配地位在扩散结束之后，油膜直径保持不变。因此，油膜污染物在水面上保持了较明显的连续性，尽管受到湍流等因素影响，会有少量油膜烟羽，但仍以大团的聚集油膜漂浮为主。

无人监测船为了有效发现油膜污染的存在，采用“Z”字形往复搜索来搜索污染信息。随后应用“三叶草轨迹”方法来确认连续的大范围油膜污染。接下来采用UUV-gas方法来检测油膜边缘，确定污染范围。在确定了油膜范围之后，多机器人根据曲率权重分布逻辑来沿油膜边缘分布。最后，采用循环PSO-Kalman方法来预测油污运动顶点的可能位置，并围绕中心位置生成目标搜索区域，从而实现进行动态污染范围的追踪，具有较好的实时性和鲁棒性。

水上无人船的目标是追踪水面污染物的扩散范围，能够监测污染物的扩散、漂移状态，监测污染对环境的影响情况，能够亲自或协助清污船执行水上清污作业。

以上做法带来的好处包括：

采用信息熵的方法规划出无人船的路径，能更迅速的发现污染源。在污染源搜索过程中，采用“Z”字形往复搜索来搜索污染信息。随后应用“三叶草轨迹”方法来确认连续的大范围油膜污染。接下来采用UUV-gas方法来检测油膜边缘，确定污染范围。在确定了油膜范围之后，多机器人根据曲率权重分布逻辑来沿油膜边缘分布。最后，采用循环PSO-Kalman方法来预测油污运动顶点的可能位置，并围绕中心位置生成目标搜索区域，从而实现进行动态污染范围的追踪，具有较好的实时性和鲁棒性。多船协作通过通讯装置进行多无人船之间的监测数据交换，这样无人船可以更加快速有效的调整其测试能力以适应不断变换的环境条件，而且还可以相互协作以收集信息和追踪，从而做出明智的决策，使协同控制和导航算法更加有效。

实际应用实施例1：

船体1在水域中采用“Z字”型搜索法搜索污染信息时，油污数据采集模块13可发现环境中关于污染物的异常信息，无人船的油污数据采集模块13接触到达范围污染物时，必然处在污染物的边缘。船继续探索，可能会进入污染物区，也可能远离污染物区。如果船再次检测的方向是离开污染物区，则可能使机器人误判为不存在大规模污染物。因此，为了避免这种情况，污染物的确认行为是必要的。并将污染物异常浓度信息发给控制器10，控制器10将信号发给摄像头8，利用摄像头8判断油膜是否为连续信息，从而确认污染信息是否为连续的大范围油膜污染。同时也采用“三叶草轨迹”方法，来进行污染油膜边缘确认。当预判到有大范围污染团存在时，巡航避障模块3指示船体1开始从监测初始点开始沿污染边缘移动，采用UUV-gas方法来检测油膜边缘。探索到完整油膜边缘后，多无人船根据曲率权重分布逻辑沿油膜边缘均布。随后应用PSO-Kalman方法循环追踪和估计边缘点位置，并绘制每一帧时刻的边缘曲线图。直到接收到任务结束讯息后，机器人停止追踪。

实际应用实施例2：

采用多无人船协同，可以提高探索效率。如图10所示为4USV协同探索污染区域边缘。船1和船2从初始探测点分别向两侧探测。船3和船4则向污染区域内穿过到达另外的边界后，在分别向两个方向探测。协作的无人船分别承担一段区域边缘的探测，直到形成封闭的区域。机器人沿边缘曲线形的行走最终获得的是一个点图，将这些边缘点相连可以得到一个近似的边缘曲线，如图11所示。由于污染物的动态随流特性，且边缘检测需要较长的时间，使得获得的曲线与实际的污染边缘有一定的偏差。

机器人的数量越多，分布式边缘点追踪的准确度就越高。但是在机器人数量有限的情况下，方法需要予以改进来获得更多的追踪点。根据曲率权重分布逻辑获得的机器人分布，机器人在其Voronoi cell内再均布一些插值点。如图7所示，四个机器人均布在边缘线上(图中红色点)，在边缘曲线上均布插值点(图中绿色点)。机器人依次检测各点的位置变化。在同一时刻每个机器人只能检测一个点的位置，并应用PSO-Kalman进行该点位置估计。

一旦一个无人船的油污数据采集模块13探测到并确认了油膜，其他无人船就会被召集起来通过巡航避障模块3一起追踪污染的轮廓。图8中的点是无人船的轨迹，椭圆线是污染的轮廓。USV1能够探测到油污污染羽流，并呼叫其他三个USV帮助探测。4台USV协同工作，成功检测到油膜轮廓，如图9所示。

多船协作通过信号模块7进行多无人船之间的监测数据交换，这样无人船可以更加快速有效的调整其测试能力以适应不断变换的环境条件，而且还可以相互协作以收集信息和追踪，从而做出明智的决策，使协同控制和导航算法更加有效。

图7中的flow表示水流方向，Mission A、B、C分别为任务A、B、C，contaminant表示污染物，图8中的Leaf表示叶面，Adjacent edge pint aquaired表示需求的边缘邻近点，图10中的UAV1、UAV2、UAV3和UAV4表示四个无人船，Detected contour表示检测的轮廓，Realcontour表示实际的轮廓，图11中time t和time t+1分别表示时间t和t+1。

本实施例中，电源11采用24V电动船专用锂电池，标称电压24V，电池容量150Ah或200Ah，电池结构为16S或23S，电池材料为磷酸铁锂，螺旋桨电机型号为2212电机，油污浓度分析仪型号为OCMA-220，摄像头为CCD相机，控制器为MAC7100系列微处理器，GSM装置型号为HP8922M，UWB装置为Zebra公司的Dart UWB技术方案，GPS型号为TK103，激光雷达型号为M-200激光雷达，毫米波雷达型号为CAR28T毫米波雷达。

以上所述，仅为本实用新型的具体实施方式，但本实用新型的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本实用新型揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本实用新型的保护范围之内。因此，本实用新型的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种用于协同水环境中油污污染源监测和追踪的无人船，其特征在于，包括船体(1)，所述船体(1)的尾部设有螺旋桨(5)，所述船体(1)的顶部设有信号模块(7)、巡航避障模块(3)和摄像头(8)，所述船体(1)两侧设有用于平衡所述船体(1)的平衡翼(4)，所述平衡翼(4)通过平衡翼支架(14)与所述船体(1)相连接，所述船体(1)的底部设有油污数据采集模块(13)，所述船体(1)内部设有控制器(10)、电源(11)和油污浓度分析仪(12)，所述摄像头(8)与所述油污浓度分析仪(12)相连接，所述油污浓度分析仪(12)与所述电源(11)相连接，所述电源(11)还分别与所述控制器(10)和所述巡航避障模块(3)相连接，所述控制器(10)还与所述信号模块(7)相连接，所述油污数据采集模块(13)与所述控制器(10)相连接。

2.根据权利要求1所述的一种用于协同水环境中油污污染源监测和追踪的无人船，其特征在于，所述的船体(1)上还设有用于适应夜间行驶的照明灯(9)，所述照明灯(9)与所述控制器(10)相连接。

3.根据权利要求1所述的一种用于协同水环境中油污污染源监测和追踪的无人船，其特征在于，所述的巡航避障模块(3)由GPS定位单元、激光雷达和毫米波雷达组成。

4.根据权利要求1所述的一种用于协同水环境中油污污染源监测和追踪的无人船，其特征在于，所述的螺旋桨(5)通过电机(6)驱动，所述电机(6)与所述控制器(10)相连接。

5.根据权利要求1所述的一种用于协同水环境中油污污染源监测和追踪的无人船，其特征在于，所述的信号模块(7)由GSM单元和UWB单元组成。

6.根据权利要求1所述的一种用于协同水环境中油污污染源监测和追踪的无人船，其特征在于，所述的船体(1)的***还包裹设置有充气垫圈(2)。

7.根据权利要求1所述的一种用于协同水环境中油污污染源监测和追踪的无人船，其特征在于，所述的油污数据采集模块(13)由水流传感器、油污浓度传感器和漏网保护罩组成。

8.根据权利要求1所述的一种用于协同水环境中油污污染源监测和追踪的无人船，其特征在于，所述的电源(11)还与驱动模块和电源控制板相连接。

Images