优质的海水是深远海集约化养殖成功的前提,提升养殖水体的溶解氧对于高密度养殖至关重要。增氧锥是养殖水体最高效的增氧设备之一。针对深远海养殖工船空间紧凑的现状,对增氧锥外形进行优选,并开发相关配件,以达到高效增氧和节约空间的目的。采用流体仿真技术,利用其文丘里结构产生的射流、偏流、回流现象获得增氧效果;通过设计开发微孔曝气射流装置,借助微气泡原理和二次射流效果,进一步提升了增氧锥中氧气溶于水的效率。流体仿真软件结果显示,在其他条件相同的情况下,增氧锥截面角度为28° 时,液速峰值最高,产生的溶解氧效果最佳;有无曝气管射流的对比实验结果显示,加装曝气管的增氧锥增氧速度较快,该配件对于增氧锥的作业有良好的辅助功能,具有较好的应用价值。
相似文献水质检测是深远海集约化养殖的重要环节,水质好坏直接影响着鱼类的生长。目前,水质检测的主要方式是构建水质监测网络系统和人力采集水样检测,这些检测方式存在操作复杂且效率低、作业区域受限、监测周期长等问题。为此,研发设计了一款用于养殖工船水质检测的作业型水下机器人。首先提出水质检测系统和水下机器人系统的总体设计方案。然后利用Solidworks建模软件对水下机器人机械结构进行整体设计,外壳采用流线型结构,其上搭载抽水管口,采用水平2个和垂直4个推进器布局设计,保证水下机器人能够自由运动;基于Ansys软件对机器人的外壳、固定结构和耐压舱等进行应力数值模拟,并结合理论计算对机器人的设计进行完善。最后完成机器人样机软件调试以及性能、自由度和水质检测等水下试验测试。结果表明:水下机器人的密封性、自由度、抽水检测等性能试验均满足工作要求,可以达到对指定位置进行分层和定点水质采样,所获得的水质检测数据可为水产养殖提供数据参考。
相似文献为了准确预测水质参数中的溶氧量,采用长短时记忆网络 (Long Short-Term Memory, LSTM) 模型,提出一种增强型麻雀搜索算法 (Enhance Sparrow Search Algorithm, ESSA) 以改进预测率的精确性。该算法引入了Circle混沌映射进行种群初始化,并结合正弦余弦算法和Levy飞行策略分别对侦察者、跟踪者的位置进行更新,以促使麻雀个体能够快速跳出局部最优解。首先将ESSA与多种其他算法进行多形态基准函数对比测试,结果表明该算法在多个基准函数上展现出出色的性能和鲁棒性;随后将其应用于LSTM模型参数寻优,并与其他优化算法进行比较,结果显示基于ESSA-LSTM模型的预测率达到99.071%,相较于基本麻雀搜索算法 (Sparrow Search Algorithm, SSA)、灰狼优化算法 (Grey Wolf Optimizer, GWO)、海洋捕食算法 (Marine Predators Algorithm, MPA)、鲸鱼算法 (Whale Optimization Algorithm, WOA) 分别提升了2.142%、6.653%、6.682%、7.714%。研究表明,使用ESSA显著提高了溶解氧预测率,并有效减少了参数设置的盲目性和时间成本。
相似文献