一种鱼对水流形态感知和响应关系的提取方法及装置

摘要

本发明涉及水利水电工程环境保护技术领域，尤其涉及一种鱼对水流形态感知和响应关系的提取方法及装置。包括以下步骤：步骤S1、按照目标鱼的长度大小不同，设置不同尺寸的圆柱、块体或隔板作为障碍物，在水槽中制造出各种鱼体游动可能遇到的水流形态；步骤S2、通过鱼体表面分布式的柔性薄膜压力传感器记录目标鱼在游动过程中所测量的压力数据；步骤S3、通过机器学习的方法，建立目标鱼的运动参数与所测量压力数据的人工神经网络模型；步骤S4、利用步骤S3中所建立的人工神经网络模型预测新流场环境中的鱼类运动参数，并利用新的实测数据不断更新迭代完善该人工神经网络模型。

说明书

技术领域

本发明涉及水利水电工程环境保护技术领域，尤其涉及一种鱼对水流形态感知和响应关系的提取方法及装置。

技术背景

河道工程，如水坝或堰，破坏了河流的连通性，阻碍鱼类的洄游迁徙，而鱼道是减缓该负面效应的有效措施。但鱼道实际的使用效果往往与设计期望相差甚远，主要的原因是在设计过程中还难以考虑目标鱼类对各类水流形态的喜好或者响应。因此如何获取鱼对水流形态的感知和响应规律是目前该领域的一个巨大技术障碍。目前一般使用的方法是将鱼类轨迹与时均流场进行叠加，时均流场一般是通过流体动力学方法计算获取，并且需要流场实测数据对计算模型的结果进行验证，但是该方法并没有真正将鱼游动到某个位置的瞬时周围流场与鱼的游动行为进行关联分析。因此需要一种技术方法能够真正获取某个瞬间在某个特定位置鱼的游动行为与周围流场信息的对应关系。

发明内容

本发明的目的是为了解决鱼类在复杂水流条件下的运动轨迹预测问题，提供了一种鱼对水流形态感知和响应关系的提取方法及装置。

本发明采用以下技术方案实施的：

一种鱼对水流形态感知和响应关系的提取方法，包括以下步骤：

步骤S1、按照目标鱼的长度大小不同，设置不同尺寸的圆柱、块体或隔板作为障碍物，在水槽中制造出各种鱼体游动可能遇到的水流形态；

步骤S2、通过鱼体表面分布式的柔性薄膜压力传感器记录目标鱼在游动过程中所测量的压力数据；

步骤S3、通过机器学习的方法，建立目标鱼的运动参数与所测量压力数据的人工神经网络模型；

步骤S4、利用步骤S3中所建立的人工神经网络模型预测新流场环境中的鱼类运动参数，并利用新的实测数据不断更新迭代完善该人工神经网络模型。

进一步的，作为本发明的优先技术方案，所述步骤S1中的障碍物为多个，障碍物的宽度为目标鱼长度的整数倍数，倍数为1-10倍；多个障碍物之间的间距为目标鱼长度的整数倍数，倍数为10倍以上。

进一步的，作为本发明的优先技术方案，所述步骤S2的具体步骤如下：

步骤S2.1、在目标鱼的鱼体表面套装上网格型分布的多个柔性薄膜压力传感器、微型轨迹获取芯片；

步骤S2.2、多个柔性薄膜压力传感器采集的压力数据并通过柔性导线传输至计算机；

步骤S2.3、微型轨迹获取芯片分析获取某个瞬时该位置处目标鱼体表所测量的运动轨迹数据并通过柔性导线传输至计算机；多次测量和计算目标鱼在不同类型流场和不同时刻的运动速度矢量，形成数据库。

进一步的，作为本发明的优先技术方案，所述步骤S2.3的具体步骤如下：

步骤S2.3.1、在鱼的游动过程中，将总的测量时间T分为n个区间段，共计n+1个时刻t

公式(1)中，

Δt

步骤S2.3.2、确定与离散时间点t

步骤S2.3.3、计算Δt

公式(2)中，

k＝1，2，…，n－1，n。

进一步的，作为本发明的优先技术方案，所述步骤S3的具体步骤如下：

步骤S3.1、建立人工神经网络模型，将t

步骤S3.2、对应时刻的运动速度矢量作为输出层信息输出；

步骤S3.3、通过反复的学习和训练，建立目标鱼的运动参数与所测量压力数据的人工神经网络模型。

进一步的，作为本发明的优先技术方案，所述步骤S4的具体步骤如下：

步骤S4.1、测量或者计算特定流场特定位置处目标鱼体长度范围内的流场压力分布；

步骤S4.2、利用人工神经网络模型预测目标鱼的运动速度矢量，进而对运动轨迹做出预测；

步骤S4.3、利用新的实测数据不断更新迭代完善人工神经网络模型。

一种鱼对水流形态感知和响应关系的提取方法的装置，包括多个障碍物、水槽、目标鱼、计算机；所述多个障碍物分别设置在水槽的内壁两侧；障碍物的宽度为目标鱼长度的整数倍数，倍数为1-10倍；多个障碍物之间的间距为目标鱼长度的整数倍数，倍数为10倍以上。

进一步的，作为本发明的优先技术方案，所述目标鱼的鱼体表面设置多个柔性薄膜压力传感器、微型轨迹获取芯片；所述目标鱼的鱼体尾部设置柔性导线；所述多个柔性薄膜压力传感器采集的压力数据通过柔性导线传输至计算机；微型轨迹获取芯片分析获取某个瞬时该位置处目标鱼体表所测量的运动轨迹数据并通过柔性导线传输至计算机。

本发明与现有技术的有益效果：

本发明通过分布式压力数据来间接反映目标鱼周围的水流特征，由于传感器采用外挂式安装，不需要对鱼类进行手术，因此不影响其自主游动的特征，网格型传感器的各个组成部件均可从市场上采购组装，制作和维护简便。根据鱼类体长定制的水槽和障碍物，可以灵活组合和布置，可方便再现目标鱼所处天然环境中的水流状态，同时研究的目标鱼类的种类也不受限制，整套装置具有良好的通用性。神经网络模型可以采用市场上成熟的商用或者开源的程序建立，大大缩短了模型的建立过程，提高了模型的可靠性。

附图说明

图1为本发明的装置结构示意图；

图2为本发明的目标鱼示意图；

图3为本发明的人工神经网络模型示意图；

图中，1-障碍物；2-水槽；3-目标鱼；4-计算机；5-柔性薄膜压力传感器；6-微型轨迹获取芯片；7-柔性导线；8-输入层；9-隐藏层；10-输出层。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面将对本发明实例中的技术方案进行清楚完整的描述。当然，此处所描述的具体实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，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，都属于本发明的保护范围。

一种鱼对水流形态感知和响应关系的提取方法，包括以下步骤：

步骤S1、按照目标鱼的长度大小不同，设置不同尺寸的圆柱、块体或隔板作为障碍物，在水槽中制造出各种鱼体游动可能遇到的水流形态；

步骤S2、通过鱼体表面分布式的柔性薄膜压力传感器记录目标鱼在游动过程中所测量的压力数据；

步骤S3、通过机器学习的方法，建立目标鱼的运动参数与所测量压力数据的人工神经网络模型；

步骤S4、利用步骤S3中所建立的人工神经网络模型预测新流场环境中的鱼类运动参数，并利用新的实测数据不断更新迭代完善该人工神经网络模型。

步骤S1中的障碍物为多个，障碍物的宽度为目标鱼长度的整数倍数，倍数为1-10倍；多个障碍物之间的间距为目标鱼长度的整数倍数，倍数为10倍以上。

步骤S2的具体步骤如下：

步骤S2.1、在目标鱼的鱼体表面套装上网格型分布的多个柔性薄膜压力传感器、微型轨迹获取芯片；

步骤S2.2、多个柔性薄膜压力传感器采集的压力数据并通过柔性导线传输至计算机；

步骤S2.3、微型轨迹获取芯片分析获取某个瞬时该位置处目标鱼体表所测量的运动轨迹数据并通过柔性导线传输至计算机；多次测量和计算目标鱼在不同类型流场和不同时刻的运动速度矢量，形成数据库。

具体的，根据目标鱼的尺寸外形定制完全贴合其身体的网格型柔性薄膜压力传感器，记录目标鱼在游动过程中所测量的压力数据。该柔柔性薄膜压力传感器具有附着力强、耐弯折、灵敏度高的特点。柔性薄膜压力传感器布置在网格节点处，通过柔性导线汇聚到鱼体躯干末尾并与计算机相连，该导线可为传感器供电并能完成信号传输。柔性导线的长度可根据目标鱼测试场地的长度和鱼类游动时间选定。在几乎不干扰鱼类正常游动的前提下，直接获取某时刻流场空间某点处目标鱼的体表所感知的多点分布压强信号。在目标鱼腹部的柔性网格上固定微型轨迹获取芯片，该芯片融合了加速度传感器、陀螺仪、磁传感器，可获得目标鱼的轨迹信息。固定传感器的柔性网格材料密度小于水的密度并可调，使其所产生的浮力与传感器重量相抵消，以尽量减少外挂式传感器对鱼类自主游动的干扰。

步骤S2.3的具体步骤如下：

步骤S2.3.1、在鱼的游动过程中，将总的测量时间T分为n个区间段，共计n+1个时刻t

公式(1)中，

Δt

步骤S2.3.2、确定与离散时间点t

步骤S2.3.3、计算Δt

公式(2)中，

k＝1，2，…，n－1，n。

进一步的，作为本发明的优先技术方案，所述步骤S3的具体步骤如下：

步骤S3.1、建立人工神经网络模型，将t

步骤S3.2、对应时刻的运动速度矢量作为输出层信息输出；

步骤S3.3、通过反复的学习和训练，建立目标鱼的运动参数与所测量压力数据的人工神经网络模型。

步骤S4的具体步骤如下：

步骤S4.1、测量或者计算特定流场特定位置处目标鱼体长度范围内的流场压力分布；

步骤S4.2、利用人工神经网络模型预测目标鱼的运动速度矢量，进而对运动轨迹做出预测；

步骤S4.3、利用新的实测数据不断更新迭代完善人工神经网络模型。

如图1所示，一种鱼对水流形态感知和响应关系的提取方法的装置，包括多个障碍物1、水槽2、目标鱼3、计算机4；所述多个障碍物1分别设置在水槽2的内壁两侧；障碍物1的宽度为目标鱼3长度的整数倍数，倍数为1-10倍；多个障碍物1之间的间距为目标鱼3长度的整数倍数，倍数为10倍以上。

如图2所示，目标鱼3的鱼体表面设置多个柔性薄膜压力传感器5、微型轨迹获取芯片6；目标鱼3的鱼体尾部设置柔性导线7；所述多个柔性薄膜压力传感器5采集的压力数据通过柔性导线7传输至计算机4；微型轨迹获取芯片6分析获取某个瞬时该位置处目标鱼体表所测量的运动轨迹数据并通过柔性导线7传输至计算机4。微型轨迹获取芯片6融合了加速度传感器、陀螺仪、磁传感器，可获得目标鱼的轨迹信息。

如图3所示，在特定流场特定位置处，以目标鱼的体长为范围，计算该流场区域内的离散分布的流场压强序列，并将该序列作为输入层8数据输入到人工神经网络模型中隐藏层9，在输出层10获得预测的目标鱼类运动的速度矢量{v

本发明通过建立一一对应的基于鱼类运动参数与鱼体表面分布式压强信息的人工神经网络模型，解决鱼类在复杂水流条件下的运动轨迹预测问题。本发明通过分布式压力数据来间接反映目标鱼周围的水流特征，由于传感器采用外挂式安装，不需要对鱼类进行手术，因此不影响其自主游动的特征，网格型传感器的各个组成部件均可从市场上采购组装，制作和维护简便。根据鱼类体长定制的水槽和障碍物，可以灵活组合和布置，可方便再现目标鱼所处天然环境中的水流状态，同时研究的目标鱼类的种类也不受限制，整套装置具有良好的通用性。神经网络模型可以采用市场上成熟的商用或者开源的程序建立，大大缩短了模型的建立过程，提高了模型的可靠性。

以上所述仅是本发明的优先选择的实施方式，应当指出，对于本技术领域的人员，在不脱离不发明的技术原理前提，在速度和准确度上还可以做出很多提升，这些改变和提升也应视作本发明的保护范围。