基于自适应柔性网箱形变预测的水下机器人智能巡检方法

本发明提供一种基于自适应柔性网箱形变预测的水下机器人智能巡检方法，包括：实时采集网箱周围的多源异构环境数据，并进行时间同步、去噪和归一化等预处理；基于引入“智能融合先验知识”与“通道注意力”的自适应ConvLSTM模型，进行网箱三维变形姿态及不确定性的预测，并构建安全势场地图；利用改进的A*算法和TSP算法生成一条能够完整遍历整个三维变形网壁且总成本最低的全局最优安全路径；将全局最优安全路径发送至水下机器人进行执行，同时在执行过程中实时修正误差，直至完成巡检；本方法能够提高水下机器人对动态、柔性、不确定环境的适应性，实现水下机器人在复杂动态海洋环境下全覆盖、高精度、高可靠性的自动化巡检。