上浮环境数据预测模型的训练方法、上浮控制方法及设备

1.本发明涉及勘测技术领域，更具体地，涉及一种上浮环境数据预测模型的训练方法、上浮控制方法及设备。


背景技术：

2.水下勘测系统可以用于监测水下环境。但目前水下勘测系统的运行寿命和运行剖面数受限于电池容量和运行功耗，对水下环境健康带来危害，且不利于水下勘测系统的持续应用。
3.因此，对于如何延长水下勘测系统电池的使用寿命，降低对水下环境影响的研究具有重大意义。


技术实现要素：

4.有鉴于此，本发明实施例提供了一种上浮环境数据预测模型的训练方法、水下勘测系统的上浮控制方法及电子设备。
5.本发明的一个方面，提供了一种上浮环境数据预测模型的训练方法，包括重复执行以下操作，直至训练结果满足预设结束条件，得到上浮环境数据预测模型，其中，上述上浮环境数据预测模型用于预测水下勘测系统进行下一上浮运动的上浮环境数据：执行训练样本数据集生成进程，生成训练样本数据集；利用上述训练样本数据集训练待训练的上浮环境数据预测模型；其中，上述执行训练样本数据集生成进程，生成训练样本数据集包括：在训练结果未满足预设结束条件的情况下，重复执行以下操作，直至上述水下勘测系统的上浮次数满足预设上浮次数：获取上述水下勘测系统上浮过程中的多个初始上浮环境数据；基于划分策略将上述多个初始上浮环境数据划分为多个一阶样本数据集；基于处理策略将每个上述一阶样本数据集中处理为二阶样本数据，以生成二阶样本数据集；基于多个上述二阶样本数据集生成上述训练样本数据集。
6.根据本发明实施例，每个上述初始上浮环境数据包括上述水下勘测系统在当前上浮周期测得的水的温度数据和密度数据。
7.根据本发明实施例，上述待训练的上浮环境数据预测模型为神经网络时间序列模型，其中，上述待训练的上浮环境数据预测模型的输出神经元个数定为1，隐含层节点数为5，学习速率为0.15，其中，上述神经网络时间序列模型为在神经网络模型基础上增加时间序列参数。
8.本发明的另一方面，提供了一种水下勘测系统的上浮控制方法，包括：利用如上述的训练方法训练得到的上浮环境数据预测模型预测，得到预测上浮环境数据；利用上述预测上浮环境数据，建立上浮能耗优化模型；基于上述上浮能耗优化模型，得到上述水下勘测系统上浮过程中的预测能耗数据，其中，上述预测能耗数据表征为上述水下勘测系统进行下一上浮运动的总能耗；基于上述预测能耗数据，利用上浮能耗优化计算方法，得到上述水下勘测系统的优化上浮数据；基于上述优化上浮数据，控制上述水下勘测系统做上浮运动。
9.根据本发明实施例，上述利用上述预测上浮环境数据，建立上浮能耗优化模型包括：基于分段拟合策略对上述预测上浮环境数据分段拟合，得到温度拟合函数和密度拟合函数；基于上述水下勘测系统的受力情况与运动速度和运动深度的关系，建立上述水下勘测系统的运动数学模型，其中，上述运动深度由上述水下勘测系统的当前排油量决定；基于能耗优化策略，利用上述温度拟合函数、密度拟合函数和运动数学模型，得到上述上浮能耗优化模型。
10.根据本发明实施例，上述基于上述预测能耗数据，利用上浮能耗优化计算方法，得到上述水下勘测系统的优化上浮数据，包括：以上述预测能耗数据为目标函数，以上述水下勘测系统完成一次剖面中上浮运动的总排油量和预设上浮速度阈值为约束条件，初始化种群，其中，上述总排油量由上述水下勘测系统完成一次剖面中上浮运动的总距离确定；基于群体投票方法迭代以下操作直至迭代次数达到预设迭代次数：将上述初始化后的种群输入上述上浮能耗优化模型，得到多个上述个体的预测总能耗；对上述初始化后的种群进行变异处理和交叉处理，以更新上述种群，得到初始更新后的种群；将上述初始更新后的种群输入上述上浮能耗优化模型，得到多个上述初始更新后的种群中的个体的更新总能耗；基于上述群体投票方法筛选上述种群，得到具有上述优化上浮数据的优化个体。
11.根据本发明实施例，上述预测上浮环境数据包括上述水下勘测系统进行下一上浮运动的水的预测温度数据和预测密度数据。
12.根据本发明实施例，上述优化上浮数据包括上述水下勘测系统进行下一上浮运动的优化排油次数、每次排油的优化排油量和上述水下勘测系统上浮过程中的优化上浮速度阈值。
13.根据本发明实施例，上述初始化后的种群包括多个随机生成的带有随机排油次数、随机排油量和随机速度阈值信息的个体。
14.本发明的另一方面，提供了一种电子设备，包括：一个或多个处理器；以及存储器，被配置为存储一个或多个程序，其中，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现上述的方法。
15.根据本发明实施例，通过持续多次获取水下勘测系统上浮过程中的初始上浮环境数据，可以多次生成训练样本数据集，进而可以实现通过水下勘测系统上浮过程中的实时初始上浮环境数据训练上浮环境数据预测模型，可以降低水下勘测系统运动中工作环境的影响因素，以提高水下勘测系统的工作效率，延长水下勘测系统电池的使用寿命，通过划分策略和处理策略处理初始上浮环境数据可以降低训练样本的复杂度，可以实现预测水下勘测系统进行下一上浮运动的上浮环境数据更精准的效果。
附图说明
16.通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和优点将更为清楚，在附图中：图1示意性示出了根据本发明实施例的可以应用在上浮环境数据预测模型的训练方法、水下勘测系统的上浮控制方法的示例性系统架构；图2示意性示出了根据本发明实施例的上浮环境数据预测模型的训练方法的流程图；
图3示意性示出了根据本发明实施例的在训练结果未满足预设结束条件的情况下，执行训练样本数据集生成进程，生成训练样本数据集的流程图；图4示意性示出了根据本发明实施例的水下勘测系统的上浮控制方法的流程图；图5示意性示出了根据本发明实施例的利用预测上浮环境数据，建立上浮能耗优化模型的流程图；图6示意性示出了根据本发明实施例的基于预测能耗数据，利用上浮能耗优化计算方法，得到水下勘测系统的优化上浮数据的流程图；图7示意性示出了根据本发明实施例的基于优化上浮数据，控制水下勘测系统做上浮运动的流程图；以及图8示意性示出了根据本发明实施例的上浮环境数据预测模型的训练方法和水下勘测系统的上浮控制方法的电子设备的框图。
具体实施方式
17.以下，将参照附图来描述本发明的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本发明实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
18.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
19.在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
20.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等）。在使用类似于“a、b或c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有a、b或c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等）。
21.图1示意性示出了根据本发明实施例的可以应用在上浮环境数据预测模型的训练方法、水下勘测系统的上浮控制方法的示例性系统架构。
22.需要注意的是，图1所示仅为可以应用本发明实施例的系统架构的示例，以帮助本领域技术人员理解本发明的技术内容，但并不意味着本发明实施例不可以用于其他设备、系统、环境或场景。
23.如图1所示，根据该实施例的系统架构100可以包括水下勘测系统101、终端设备102和网络103。网络103用以在水下勘测系统101和终端设备102之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线和/或无线通信链路等等。
24.用户可以使用终端设备102通过网络103与水下勘测系统101交互，以接收或发送消息等。水下勘测系统101和终端设备102可以安装有各种通讯客户端应用。
25.水下勘测系统101可以是具有水下勘测功能的系统设备，例如，浮标。水下勘测系统101上可以安装多种传感器，用于采集水下的温度、密度和深度等信息。终端设备102可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
26.水下勘测系统101和终端设备102可以与各种类型服务器的终端设备配合使用。例如，服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务（virtual private server，虚拟专用服务器）中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
27.需要说明的是，本发明实施例所提供的上浮环境数据预测模型的训练方法和水下勘测系统的上浮控制方法一般可以由终端设备102执行。本发明实施例所提供的上浮环境数据预测模型的训练方法和水下勘测系统的上浮控制方法也可以由能够与水下勘测系统101和终端设备102通信的服务器或服务器集群执行。或者，本发明实施例所提供的上浮环境数据预测模型的训练方法和水下勘测系统的上浮控制方法也可以由不同于水下勘测系统101或终端设备102的其他终端设备执行。
28.例如，待处理数据可以原本存储在水下勘测系统101或终端设备102中的任意一个（例如，终端设备102，但不限于此）之中，或者存储在外部存储设备上并可以导入到终端设备102中。然后，终端设备102可以在本地执行本发明实施例所提供的上浮环境数据预测模型的训练方法和水下勘测系统的上浮控制方法，或者将待处理数据发送到其他终端设备、服务器、或服务器集群，并由接收该待处理图像的其他终端设备、服务器、或服务器集群来执行本发明实施例所提供的上浮环境数据预测模型的训练方法和水下勘测系统的上浮控制方法。
29.应该理解，图1中的终端设备和网络的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备和网络。
30.应注意，以下方法中各个操作的序号仅作为该操作的表示以便描述，而不应被看作表示该各个操作的执行顺序。除非明确指出，否则该方法不需要完全按照所示顺序来执行。
31.在实现本发明构思的过程中，发明人发现相关技术中至少存在如下问题：由于水下勘测系统可以携带的电池能量有限，因此，需要准确控制水下勘测系统工作的功耗，以便延长水下勘测系统的工作时间，降低电池能量的浪费。进一步地，由于水下勘测系统的运动环境影响水下勘测系统工作的功耗，因此，可以通过对水下勘测系统下一剖面运动环境的预测，计算水下勘测系统的功耗，又由于在水下勘测系统进行剖面运动过程中，上浮运动能耗占比较高，因此，可以通过预测水下勘测系统进行下一上浮运动的上浮环境数据，进而降低水下勘测系统剖面运动的功耗，延长水下勘测系统电池的使用寿命。
32.为了至少部分地解决相关技术中存在的技术问题，本发明提供了一种上浮环境数据预测模型的训练方法、水下勘测系统的上浮控制方法及电子设备。可以应用于勘测设备控制领域。
33.根据本发明实施例，一方面提供了一种上浮环境数据预测模型的训练方法。
34.图2示意性示出了根据本发明实施例的上浮环境数据预测模型的训练方法的流程图。
35.如图2所示，该方法200可以包括重复执行以下操作s210~s220，直至训练结果满足预设结束条件，得到上浮环境数据预测模型：在操作s210，执行训练样本数据集生成进程，生成训练样本数据集。
36.在操作s220，利用训练样本数据集训练待训练的上浮环境数据预测模型。
37.图3示意性示出了根据本发明实施例的在训练结果未满足预设结束条件的情况下，执行训练样本数据集生成进程，生成训练样本数据集的流程图。
38.如图3所示，操作s210可以包括重复执行以下操作s310~ s340，直至水下勘测系统的上浮次数满足预设上浮次数：在操作s310，获取水下勘测系统上浮过程中的多个初始上浮环境数据。
39.在操作s320，基于划分策略将多个初始上浮环境数据划分为多个一阶样本数据集。
40.在操作s330，基于处理策略将每个一阶样本数据集中处理为二阶样本数据，以生成二阶样本数据集。
41.在操作s340，基于多个二阶样本数据集生成训练样本数据集。
42.根据本发明实施例，上浮环境数据预测模型可以用于预测水下勘测系统进行下一次上浮运动的上浮环境数据。
43.根据本发明实施例，每个初始上浮环境数据可以包括水下勘测系统在当前上浮周期测得的水的温度数据和密度数据。每个初始上浮环境数据可以包括水下勘测系统在第t-1次上浮周期测得的水的温度数据和密度数据，对应的训练后的上浮环境数据预测模型预测的上浮环境数据可以是水下勘测系统在第t次上浮周期的水的温度数据和密度数据，其中，t为大于1的正整数。水下勘测系统可以通过多次上浮运动采集多个上浮周期的水的温度数据和水的密度数据。可以将采集到的多个上浮周期的水的温度数据和水的密度数据进行处理，以提高训练的准确性，例如，可以将对水下勘测系统影响较大的水的温度数据和水的密度数据标记为异常值，并将异常值修正为正常值，正常值可以是获得的多个上浮周期的水的温度数据和水的密度数据中去除异常值后的平均值。
44.根据本发明实施例，在利用生成的第t-1次训练样本数据集训练经第t-2次训练的上浮环境数据预测模型后，在训练结果不满足预设结束条件的情况下，获取水下勘测系统第t次上浮运动的初始上浮环境数据，更新第t-1次训练样本数据集为第t次训练样本数据集，再利用第t次训练样本数据集，训练经第t-1次训练后的上浮环境数据预测模型，其中，t为大于等于2的正整数。更新第t-1次训练样本数据集为第t次训练样本数据集，可以是将获取的水下勘测系统第t次上浮运动的初始上浮环境数据处理为第t次的二阶样本数据集后，添加到第t-1次训练样本数据集中，得到第t次训练样本数据集。
45.根据本发明实施例，预设结束条件可以包括以下中至少一个：训练误差达到目标误差、训练次数达到预设训练次数。预设训练次数可以是实际需要该水下勘测系统进行上浮运动，采集初始上浮环境数据的次数。预设训练次数可以包括基于在先经验和实际使用时水下勘测系统携带的电池电量，估计得到的最大剖面运动次数。
46.根据本发明实施例，预设上浮次数可以包括模型训练开始训练的最小剖面次数，可以包括满足模型训练的获取初始上浮环境数据的最少次数。
47.根据本发明实施例，划分策略可以是对水下勘测系统的上浮距离进行划分的策略，例如，在水下勘测系统进行1次剖面运动中，在上浮距离为4000米的情况下，可以将4000米平分为4000个区段，每个区段为1米。例如，在水下勘测系统进行1次剖面运动中，在上浮距离为4000米的情况下，可以将4000米分为两个区段，0-2000为第一区段，2000-4000为第二区段，第一区段可以平分为1000个小区段，第二区段可以平分为2000个小区段。
48.根据本发明实施例，水下勘测系统每间隔t时间内可以获取一次初始上浮环境数据，在上浮距离为4000米，将4000米平分为4000个区段的情况下，一阶样本数据集的个数可以与区段的个数相同，一阶样本数据集可以是每个区段内的初始上浮环境数据集，可以包括水下勘测系统在该区段执行获取动作，并获取得到的该区段内的初始上浮环境数据的集合。例如，在水下勘测系统进行1次剖面运动，每区段水下勘测系统可以获3次初始上浮环境数据的情况下，每个一阶样本数据集可以包括3个初始上浮环境数据。
49.根据本发明实施例，处理策略可以是将一阶样本数据集处理为二阶样本数据的策略，例如，处理策略可以是求一阶样本数据集中多个数据平均值，处理策略可以是一阶样本数据集中去除最大值和最小值后求平均值。上述的平均值可以表征为二阶样本数据，二阶样本数据集可以是多个二阶样本数据的集合。
50.根据本发明实施例，对待训练的上浮环境数据预测模型进行训练的训练样本数据集的样本可以是历史剖面数据，训练后的上浮环境数据预测模型的预测可以为时间序列预测。训练样本数据集可以是在水下勘测系统进行多次剖面运动后多个二阶样本数据集的集合。例如，在水下勘测系统进行5次剖面运动、每次剖面运动的上浮距离为4000米，将4000米平分为4000个区段的情况下，训练样本数据集可以是包括5个二阶样本数据集的集合，其中，每个二阶样本数据集可以包括4000个二阶样本数据。每个二阶样本数据携带水下勘测系统在对应区段的水的温度数据和密度数据信息。可以通过实时增加剖面的个数，增加训练样本数据集的数据量，进而可以降低水下勘测系统所处环境的变化对预测水下勘测系统的功耗的影响。
51.根据本发明实施例，利用训练样本数据集训练待训练的上浮环境数据预测模型过程可以包括，网络初始化、隐含层输出计算、误差计算、权值更新、阈值更新等迭代流程。
52.根据本发明实施例，通过持续多次获取水下勘测系统上浮过程中的初始上浮环境数据，可以多次生成训练样本数据集，进而可以实现通过水下勘测系统上浮过程中的实时初始上浮环境数据训练上浮环境数据预测模型，可以降低水下勘测系统运动中工作环境的影响因素，以提高水下勘测系统的工作效率，延长水下勘测系统电池的使用寿命，通过划分策略和处理策略处理初始上浮环境数据可以降低训练样本的复杂度，可以实现预测水下勘测系统进行下一上浮运动的上浮环境数据更精准的效果。
53.根据本发明实施例，待训练的上浮环境数据预测模型为神经网络时间序列模型。神经网络时间序列模型可以是在神经网络模型基础上增加时间序列参数。
54.根据本发明实施例，训练样本数据集可以表示为，包括第一区段对应的多个剖面的二阶样本数据，代表第二区段对应的多个剖面的二阶样本数
据，代表第n区段对应的多个剖面的二阶样本数据，n是正整数。
55.根据本发明实施例，激励函数可以为sigmoid函数，其表达式为：（1）根据本发明实施例，待训练的上浮环境数据预测模型的输出神经元个数定为1，隐含层节点数为5，学习速率为0.15。训练后的上浮环境数据预测模型预测的输出可以是水下勘测系统进行下一上浮运动的上浮环境数据，可以归类为单一回归问题，因此，神经元个数可以设置为1，隐含层节点数可以为5，学习速率可以设置为0.15，训练次数可以设置为200，目标误差可以设置为0.005。
56.图4示意性示出了根据本发明实施例的水下勘测系统的上浮控制方法的流程图。
57.如图4所示，该方法400可以包括以下操作s410~s450。
58.在操作s410，利用上述的训练方法200训练得到的上浮环境数据预测模型预测，可以得到预测上浮环境数据。
59.在操作s420，利用预测上浮环境数据，可以建立上浮能耗优化模型。
60.在操作s430，基于上浮能耗优化模型，可以得到水下勘测系统上浮过程中的预测能耗数据。
61.在操作s440，基于预测能耗数据，利用上浮能耗优化计算方法，可以得到水下勘测系统的优化上浮数据。
62.在操作s450，基于优化上浮数据，可以控制水下勘测系统做上浮运动。
63.根据本发明实施例，预测上浮环境数据可以包括水下勘测系统进行下一上浮运动的水的预测温度数据和预测密度数据。
64.根据本发明实施例，上浮能耗优化模型可以用于预测水下勘测系统上浮过程中的预测能耗数据。预测能耗数据可以表征为水下勘测系统进行下一上浮运动的总能耗。
65.根据本发明实施例，优化上浮数据包括水下勘测系统进行下一上浮运动的优化排油次数、每次排油的优化排油量和水下勘测系统上浮过程中的优化上浮速度阈值。
66.图5示意性示出了根据本发明实施例的利用预测上浮环境数据，建立上浮能耗优化模型的流程图。
67.如图5所示，操作s420包括以下操作s510~s530。
68.在操作s510，基于分段拟合策略对预测上浮环境数据分段拟合，得到温度拟合函数和密度拟合函数。
69.在操作s520，基于水下勘测系统的受力情况与运动速度和运动深度的关系，建立水下勘测系统的运动数学模型。
70.在操作s530，基于能耗优化策略，利用温度拟合函数、密度拟合函数和运动数学模型，得到上浮能耗优化模型。
71.根据本发明实施例，运动深度由水下勘测系统的当前排油量决定。
72.根据本发明实施例，分段拟合策略可以是将预测上浮环境数据进行分段拟合的策略。
73.例如，预测上浮环境数据中的水的密度数据，可以根据水的深度不同对水的密度
的影响不同进行分段，以海水为例，可以将0-1500m的海水密度数据采用双指数拟合，1500m以上海水密度数据采用线性拟合，可以得到以下密度拟合函数：（2）其中， 代表海水密度，单位：kg/m3；a，b，c，d，e，k，b是常数项系数，d代表深度，单位：m。
74.预测上浮环境数据中的水的温度数据，可以根据水的深度不同对水的温度的影响不同进行分段，以海水为例，可以将0-2000m的海水温度数据采用双指数拟合，2000m以上的海水温度数据可以视为常数，可以得到以下温度拟合函数：（3）其中，代表海水温度，单位：℃；l，m，n，o，p，q是常数项系数，d代表深度，单位：m。
75.根据本发明实施例，水下勘测系统的受力情况可以表示为：（4）其中， 为水下勘测系统的浮力， 为水下勘测系统受到的阻力，g是水下勘测系统自身的重力，单位均可以是n；m可以是水下勘测系统的质量，单位可以是kg；是水下勘测系统向上运动的加速度，t可以是时间，单位s。
76.根据本发明实施例，水下勘测系统的阻力可以用水下勘测系统的摩擦阻力系数、总湿面积和海水密度表达，如下式所示：（5）其中，为水下勘测系统所受的摩擦阻力系数，单位：n；s为水下勘测系统的总湿面积，单位：m2；为水下勘测系统的上浮速度，单位：m/s2。
77.水下勘测系统的上浮速度可以如下式所示：（6）其中，是时间间隔。
78.根据本发明实施例，水下勘测系统的浮力可以用重力加速度、海水密度和水下勘测系统的体积表达，如下式所示：（7）其中，g是重力加速度，可以为9.8m/s2；是水下勘测系统主体的体积，单位：m3；是与水下勘测系统主体相连的外油囊的油量体积，单位：m3。
79.根据本发明实施例，外油囊的油量体积可以表示为：
ꢀꢀ
（8）其中，是排油速度，单位：m3/s，可以表示为： （9）其中，t是时间，单位：s；d(t) 是t时间对应的深度，单位：m。水下勘测系统由水下勘测系统主体和外油囊组成。水下勘测系统主体上可以安装有用于勘测环境的探测器，探测器内部可以安装有多种传感器，例如温度传感器、压力传感器等，以得到水下勘测系统所处的水的温度数据、水的密度数据和深度数据等。水下勘测系统主体内包括内油囊，内油囊与外油囊连通，在水下勘测系统上浮过程中，为了保证水下勘测系统上浮过程中保持一定的加速度，可以采用将水下勘测系统主体中的内油囊的油排至外油囊，来增大水下勘测系统的整体体积，油量的传输量可以通过流量计监测得。
80.根据本发明实施例，水下勘测系统主体的体积收到温度和压力的影响，在深度不同时发生变化，其变化量可以表示为： （10）其中，可以是水下勘测系统主体的体积随深度变化的量；可以是水下勘测系统主体在标压状态下的体积；可以是水下勘测系统主体在压力试验拟合得到的体积变化系数；d可以是深度。
81.根据本发明实施例，水下勘测系统主体的体积随温度变化量可以表示为： （11）其中，可以是温度系数；可以是不同深度的海水温度。
82.根据本发明实施例，通过以上公式（4）至公式（9），可以建立水下勘测系统的运动数学模型。
83.根据本发明实施例，能耗优化策略可以是对水下勘测系统上浮过程中的能耗进行分类表达的策略。例如，可以根据上浮时间或上浮距离进行划分，可以根据耗能主体进行划分。以水下勘测系统上浮过程中的耗能主体进行划分为例，可以划分为主控板的静态能耗和油泵驱动电机的动态能耗。
84.根据本发明实施例，主控板的静态能耗基本保持稳定，可以认为水下勘测系统的静态能耗为对时间的积分。
85.根据本发明实施例，驱动电机的动态能耗受上浮距离（水下勘测系统所处深度）的影响，在不同深度时动态能耗不一致，在深度较深的情况下，功耗较大，在0-4000m深度的情况下，动态能耗可以表示为：
ꢀꢀ
（12）其中，可以为动态能耗；可以为拟合系数；k可以为动态能耗在水面工作的动
态功耗。
86.根据本发明实施例，上浮能耗优化模型可以表示为：（13）其中，代表水下勘测系统进行一次剖面运动中上浮运动的总能耗；可以为静态能耗。
87.图6示意性示出了根据本发明实施例的基于预测能耗数据，利用上浮能耗优化计算方法，得到水下勘测系统的优化上浮数据的流程图。
88.如图6所示，操作s440包括以下操作s610~s620。
89.在操作s610，以预测能耗数据为目标函数，以水下勘测系统完成一次剖面中上浮运动的总排油量和预设上浮速度阈值为约束条件，初始化种群。
90.在操作s620，基于群体投票方法迭代以下操作s621~s624直至迭代次数达到预设迭代次数：在操作s621，将初始化后的种群输入上浮能耗优化模型，得到多个个体的预测总能耗。
91.在操作s622，对初始化后的种群进行变异处理和交叉处理，以更新种群，得到初始更新后的种群。
92.在操作s623，将初始更新后的种群输入上浮能耗优化模型，得到多个初始更新后的种群中的个体的更新总能耗。
93.在操作s624，基于群体投票方法筛选种群，得到具有优化上浮数据的优化个体。
94.根据本发明实施例，总排油量可以由水下勘测系统完成一次剖面中上浮运动的总距离确定。
95.根据本发明实施例，预设上浮速度阈值可以是基于在先经验和实际使用时水下勘测系统的最优速度估计得到的，例如，预设上浮速度阈值可以为0.01m/s。
96.根据本发明实施例，初始化后的种群包括多个随机生成的带有随机排油次数、随机排油量和随机速度阈值信息的个体。
97.根据本发明实施例，随机排油次数可以表示为： （14）根据本发明实施例，随机排油量可以表示为：（15）根据本发明实施例，随机速度阈值可以表示为： （16）根据本发明实施例，将初始化后的种群输入上浮能耗优化模型，得到第i个个体的预测总能耗可以表示为：。
98.根据本发明实施例，进行变异处理可以表示为：
[0099] （17）
其中，可以为当前种群的个体，a≠b≠c，a，b，c可以为当前种群个体的编号， 可以为变异的新个体； f可以为变异系数；可以为当前种群中的一个正常的个体a带有排油次数，排油量和速度阈值信息的向量式表达；可以为当前种群中的一个正常的个体b带有排油次数，排油量和速度阈值信息的向量式表达；可以为当前种群中的一个正常的个体c带有排油次数，排油量和速度阈值信息的向量式表达。
[0100]
根据本发明实施例，进行交叉处理可以表示为： （18）其中，可以为交叉后进入下一代个体的参数；可以为当前个体的参数；可以为变异个体的参数；c可以为交叉因子。
[0101]
根据本发明实施例，利用群体投票方法可以提高迭代速度，基于群体投票方法筛选种群可以是基于种群中个体的更新总能耗筛选种群的，例如，筛选出种群中个体的更新总能耗最优的个体为筛选结果。
[0102]
根据本发明实施例，可以将初始更新后的种群划分为多个小团体，比较全部初始更新后的种群对应的总能耗，筛选优秀的个体进入下一代种群，得到新种群。
[0103]
根据本发明实施例，预设迭代次数可以是基于先前经验确定的最优迭代次数，例如，预设迭代次数设置为200，如果大于200则输出筛选结果，即为优化个体，否则进入下一次迭代。
[0104]
根据本发明实施例，预设上浮速度阈值可以是兼顾水下勘测系统的总能耗和水下勘测系统最佳速度的先前经验设置的最小预设上浮速度阈值。优化上浮速度阈值可以是利用上浮能耗优化计算方法得到的优化的最小优化上浮速度阈值。随机速度阈值可以是在基于先前经验确定的最小速度范围内生成的最小随机速度阈值。
实施例
[0105]
图7示意性示出了根据本发明实施例的基于优化上浮数据，控制水下勘测系统做上浮运动的流程图。
[0106]
如图7所示，在控制水下勘测系统中的油泵基于优化上浮数据排油后，水下勘测系统开始上浮，在判断当前深度为小于等于0的情况下，也就是说当前深度为预设深度或者在水面的情况下，结束本次上浮运动，在判断当前深度大于0的情况下，进一步判断当前剖面已排油量是否达到总排油量，总排油量可以是由上浮能耗优化模型输出的本次剖面运动中上浮运动的总排油量，也可以是本次剖面运动中预设上浮距离的总排油量，在判断结果为已经达到总排油量的情况下，停止排油，水下勘测系统继续上浮，在判断结果为还未达到总排油量的情况下，进一步判断当前排油量是否达到本次的优化排油量，在判断结果为还未达到优化排油量的情况下，控制水下勘测系统中的油泵基于优化上浮数据排油，水下勘测系统继续上浮，在判断结果为已经达到优化排油量的情况下，进一步判断当前速度是否达到最小优化上浮速度阈值，应理解的是，在执行完一次排油动作后，水下勘测系统的上浮动作不会立即停止，在判断结果为已经达到最小优化上浮速度阈值的情况下，控制水下勘测
系统中的油泵基于优化上浮数据排油，在判断结果为还未达到最小优化上浮速度阈值的情况下，停止排油，再重新判断当前速度是否达到最小优化上浮速度阈值。排油量的精度可以设置为1ml。优化排油量可以是基于上浮能耗优化计算方法得到的水下勘测系统在对应深度进行一次排油动作从起始时间到结束时间的总排油量。
[0107]
图8示意性示出了根据本发明实施例的上浮环境数据预测模型的训练方法和水下勘测系统的上浮控制方法的电子设备的框图。图8示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0108]
如图8所示，根据本发明实施例的电子设备800包括处理器801，其可以根据存储在只读存储器（rom）802中的程序或者从存储部分808加载到随机访问存储器（ram）803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器（例如cpu）、指令集处理器和/或相关芯片组和/或专用微处理器（例如，专用集成电路（asic）），等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
[0109]
在ram 803中，存储有电子设备800操作所需的各种程序和数据。处理器801、rom 802以及ram 803通过总线804彼此相连。处理器801通过执行rom 802和/或ram 803中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意，程序也可以存储在除rom 802和ram 803以外的一个或多个存储器中。处理器801也可以通过执行存储在一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
[0110]
根据本发明的实施例，电子设备800还可以包括输入/输出（i/o）接口805，输入/输出（i/o）接口805也连接至总线804。电子设备800还可以包括连接至i/o接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管（crt）、液晶显示器（lcd）等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至i/o接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
[0111]
根据本发明的实施例，根据本发明实施例的方法流程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本发明实施例的系统中限定的上述功能。根据本发明的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
[0112]
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本发明实施例的方法。
[0113]
根据本发明的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器
（rom）、可擦式可编程只读存储器（eprom或闪存）、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0114]
例如，根据本发明的实施例，计算机可读存储介质可以包括上文描述的rom 802和/或ram 803和/或rom 802和ram 803以外的一个或多个存储器。
[0115]
本发明的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行本发明实施例所提供的方法的程序代码，当计算机程序产品在电子设备上运行时，该程序代码用于使电子设备实现本发明实施例所提供的上述方法。
[0116]
在该计算机程序被处理器801执行时，执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
[0117]
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分809被下载和安装，和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0118]
根据本发明的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码，具体地，可以利用高等级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如java，c++，python，“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（lan）或广域网（wan），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
[0119]
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本发明中。特别地，在不脱离本发明精神和教导的情况下，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
[0120]
以上对本发明的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本发明的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实
施例中的措施不能有利地结合使用。本发明的范围由所附权利要求及其等同物限定。不脱离本发明的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本发明的范围之内。

技术特征：
1.一种上浮环境数据预测模型的训练方法，其特征在于，包括重复执行以下操作，直至训练结果满足预设结束条件，得到上浮环境数据预测模型，其中，所述上浮环境数据预测模型用于预测水下勘测系统进行下一上浮运动的上浮环境数据：执行训练样本数据集生成进程，生成训练样本数据集；利用所述训练样本数据集训练待训练的上浮环境数据预测模型；其中，所述执行训练样本数据集生成进程，生成训练样本数据集包括：在训练结果未满足预设结束条件的情况下，重复执行以下操作，直至所述水下勘测系统的上浮次数满足预设上浮次数：获取所述水下勘测系统上浮过程中的多个初始上浮环境数据；基于划分策略将所述多个初始上浮环境数据划分为多个一阶样本数据集；基于处理策略将每个所述一阶样本数据集中处理为二阶样本数据，以生成二阶样本数据集；基于多个所述二阶样本数据集生成所述训练样本数据集。2.根据权利要求1所述的方法，其特征在于，每个所述初始上浮环境数据包括所述水下勘测系统在当前上浮周期测得的水的温度数据和密度数据。3.根据权利要求1所述的方法，其特征在于，所述待训练的上浮环境数据预测模型为神经网络时间序列模型，其中，所述待训练的上浮环境数据预测模型的输出神经元个数定为1，隐含层节点数为5，学习速率为0.15，其中，所述神经网络时间序列模型为在神经网络模型基础上增加时间序列参数。4.一种水下勘测系统的上浮控制方法，其特征在于，包括：利用如权利要求1~3中任一项所述的方法训练得到的上浮环境数据预测模型预测，得到预测上浮环境数据；利用所述预测上浮环境数据，建立上浮能耗优化模型；基于所述上浮能耗优化模型，得到所述水下勘测系统上浮过程中的预测能耗数据，其中，所述预测能耗数据表征为所述水下勘测系统进行下一上浮运动的总能耗；基于所述预测能耗数据，利用上浮能耗优化计算方法，得到所述水下勘测系统的优化上浮数据；基于所述优化上浮数据，控制所述水下勘测系统做上浮运动。5.根据权利要求4所述的方法，其特征在于，所述利用所述预测上浮环境数据，建立上浮能耗优化模型包括：基于分段拟合策略对所述预测上浮环境数据分段拟合，得到温度拟合函数和密度拟合函数；基于所述水下勘测系统的受力情况与运动速度和运动深度的关系，建立所述水下勘测系统的运动数学模型，其中，所述运动深度由所述水下勘测系统的当前排油量决定；基于能耗优化策略，利用所述温度拟合函数、密度拟合函数和运动数学模型，得到所述上浮能耗优化模型。6.根据权利要求4所述的方法，其特征在于，所述基于所述预测能耗数据，利用上浮能耗优化计算方法，得到所述水下勘测系统的优化上浮数据，包括：以所述预测能耗数据为目标函数，以所述水下勘测系统完成一次剖面中上浮运动的总
排油量和预设上浮速度阈值为约束条件，初始化种群，其中，所述总排油量由所述水下勘测系统完成一次剖面中上浮运动的总距离确定；基于群体投票方法迭代以下操作直至迭代次数达到预设迭代次数：将初始化后的种群输入所述上浮能耗优化模型，得到多个个体的预测总能耗；对所述初始化后的种群进行变异处理和交叉处理，以更新所述种群，得到初始更新后的种群；将所述初始更新后的种群输入所述上浮能耗优化模型，得到多个所述初始更新后的种群中的个体的更新总能耗；基于所述群体投票方法筛选所述种群，得到具有所述优化上浮数据的优化个体。7.根据权利要求4所述的方法，其特征在于，所述预测上浮环境数据包括所述水下勘测系统进行下一上浮运动的水的预测温度数据和预测密度数据。8.根据权利要求4所述的方法，其特征在于，所述优化上浮数据包括所述水下勘测系统进行下一上浮运动的优化排油次数、每次排油的优化排油量和所述水下勘测系统上浮过程中的优化上浮速度阈值。9.根据权利要求6所述的方法，其特征在于，所述初始化后的种群包括多个随机生成的带有随机排油次数、随机排油量和随机速度阈值信息的个体。10.一种电子设备，其特征在于，包括：一个或多个处理器；以及存储器，被配置为存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1~9中任一项所述的方法。

技术总结
一种上浮环境数据预测模型的训练方法、上浮控制方法及设备，该方法包括重复执行以下操作，直至训练结果满足预设结束条件：执行训练样本数据集生成进程，生成训练样本数据集；利用训练样本数据集训练待训练的上浮环境数据预测模型；其中，执行训练样本数据集生成进程，生成训练样本数据集包括：在训练结果未满足预设结束条件的情况下，重复执行以下操作，直至水下勘测系统的上浮次数满足预设上浮次数：获取水下勘测系统上浮过程中的多个初始上浮环境数据；基于划分策略将多个初始上浮环境数据划分为多个一阶样本数据集；基于处理策略将每个一阶样本数据集中处理为二阶样本数据，以生成二阶样本数据集；基于多个二阶样本数据集生成训练样本数据集。成训练样本数据集。成训练样本数据集。


技术研发人员：李醒飞 文艺成 徐佳毅 庞水 刘烨昊 马庆锋 李洪宇
受保护的技术使用者：天津大学
技术研发日：2023.03.15
技术公布日：2023/4/18