Tilbake til søkeresultatene

FRINATEK-Fri prosj.st. mat.,naturv.,tek

An underwater robotics concept for dynamically changing environments

Alternativ tittel: Undervannsrobotikk i dynamiske omgivelser

Tildelt: kr 10,1 mill.

Prosjektet CHANGE ledes av det unge forskertalentet Dr. Eleni Kelasidi ved SINTEF Ocean. Andre samarbeidspartnere er Norges Teknisk Naturvitenskaplige Universitet (NTNU) og Massachusetts Institute of Technology (MIT). Sammen skal de frembringe grunnleggende kunnskap om modellering av UUVer som interagerer med komplekse omgivelser, og avanserte styringsalgoritmer. De utviklede modellene vil inkludere fiskens oppførsel, deformasjon av fleksible konstruksjoner og påvirkning fra omgivelsene (f.eks. havstrøm og bølger) og på denne måten skaffe data som kan brukes i tilbakekoblingssløyfer. Dette åpner for utviklingen av nye reguleringsstrategier for autonom navigasjon i oppdrettsanlegg. De nye regulatorene kan sørge for at UUVen unngår å kollidere med fisk og strukturer til tross for de varierende forholdene og omgivelsene. Regulatorenes funksjonalitet skal testes i realistiske laboratorier før endelige feltforsøk i operasjonelle oppdrettsanlegg utføres som en siste validering av utviklede modeller og regulatorer. Ved å gjøre UUVen i stand til å tilpasse sine handlinger til dynamiske miljø ønsker CHANGE å fremme sikkerhet, effektivitet og bærekraft i utviklingen av norsk lakseoppdrett. Det er flere operasjoner på oppdrettsanlegg som krever tilpasning og bruk av teknologiske verktøy. For å forstå og optimalisere bruken av slike verktøy på anlegg har vi i 2022 gjennomført studier av atferdsendringer hos fisk i merd. Vi har gjennomført flere forsøk der vi studerte fiskens responsmønstre mot forskjellige faktorer i kommersielle anlegg, og har brukt de resulterende data til å utvikle ny metodikk for å identifisere og kvantifisere endringer i fiskeatferd som følge av forskjellige forhold og parametere. Ved å identifisere de parametere som fører til endringer i fiskeatferd skal vi videre utlede regler og krav for hvilke typer teknologiske løsninger vi kan og bør tilpasse bruk i oppdrett, og hvordan disse kan utvikles til fremtidige løsninger som har minimal effekt på fisken. Resultatene skal også brukes til å videreutvikle eksisterende modeller av fiskeatferd og vil være sentrale i utviklingen av nye metoder og strategier for styring av undervannsfarkoster i oppdrettsanlegg. Prosjektet har i 2022 også fokusert på utviklingen av et integrert rammeverk for modellering og simulering som dekker fiskeatferd, fleksible konstruksjoner og omgivelsesmiljøet, og som vil være en sentral komponent i å regulere farkostenes bevegelser i merd. Konstruksjonsmodellene i rammeverket har blitt validert på kommersielle anlegg, og autonom navigering av undervannsfarkoster for innsamling av høykvalitetsdata ved hjelp av rammeverket har blitt demonstrert ved SINTEF ACE. Integrasjon av disse modellene med de nye regulerings- og styringsstrategiene vil muliggjøre sanntids autonome merdoperasjoner med UUVer, der farkostene unngår kollisjoner med konstruksjoner og fisk, også under krevende miljøforhold. Prosjektteamet har også implementert modeller av fjernstyrte farkoster (ROV) og studert og testet metoder for bevegelsesplanlegging og strategier for kollisjonsunngåelse under operasjoner i oppdrettsanlegg. Det komplette rammeverket av modeller og strategier for kollisjonsunngåelse har blitt testet i laboratorieeksperimenter, samt i felt på SINTEF ACE. I 2023 ble det utført flere større feltforsøk for å samle data som beskriver atferdsendringene hos oppdrettsfisk som påvirkes av forskjellige faktorer. Spesifikke faktorer som har blitt undersøkt omfatter lyd og lys, samt form, størrelse og farge på strukturen som ble plassert i merden. Metoder basert på nevrale nettverk (NN) har blitt utviklet for å utlede atferdsresponsen fra data fra akustikk og video. Det har også blitt utviklet NN-baserte metoder som kan analysere slike data sammen med simulerte data og dermed få et bilde av både lokale og globale responser. Statistiske analyser skal brukes til å validere disse resultatene. I mars 2023 ble en ny runde med forsøk gjort for å studere interaksjoner mellom roboter og fisk. Prosjektet har også ført til nye resultater innen modellering av konstruksjoner, undervannsfarkoster (fjernstyrte farkoster, slangeroboter) og reguleringsmetoder. Dette omfatter digital tvilling-konsepter for havbruk som omfatter merdmiljø, konstruksjoner og robotsystemer, estimeringsmetoder, og konsepter innen navigasjon- og fartøystyring. Andre viktige bidrag har vært nye metoder for baneplanlegging og -tracking for undervannsfarkoster i sterkt dynamiske miljø som de som preger havbruksnæringen. Disse metodene var designet mot «null-kollisjonsegenskaper» under undervannsoperasjoner, og ble gjennom forsøk under industrielle forhold (SINTEF ACE) demonstrert å være i stand til å unngå kollisjoner med statiske og dynamiske hindringer i merd. I 2023 har prosjektet forsket på robust lokalisering der flere sensorsystemer har blitt integrert i robotplattformen og brukt til å samle data, noe som har muliggjort en sammenlikning av forskjellige lokaliseringsmetoder i merd.

As salmon farm sites are moved further offshore and to more exposed locations, working conditions are increasingly challenging. Farmers therefore aim to automate certain operations to facilitate safer working conditions. Automation and autonomous unmanned underwater vehicles (UUVs) are furthermore key elements in meeting the desire for increased precision in finfish farming that will enable aquaculture to advance operational efficiency, safety and thus sustainability. While current models and control strategies for UUVs allow navigation among rigid structures in static environments, they are not sufficient for UUV operations in a dynamic fish farm environment where the UUV needs to react to the presence of animals and deformable structures influenced by external forces such as waves and currents. In the CHANGE project, fundamental knowledge on modelling of UUVs interacting with complex environments will be developed together with advanced control strategies. The developed models will include fish behaviour and deformation of flexible structures, combined with influences from the surrounding environment (e.g. currents, waves), thus providing data for feedback control loops. Integrating these with the novel control strategies, will enable real-time control of the UUV during autonomous navigation in aquaculture fish cages without colliding with fish or flexible structures despite variable currents or waves. The functionality of the resulting new control paradigm will be tested in laboratory experiments that mimic the dynamic environments of aquaculture sites. Final field tests at active salmon farms will be employed to validate the developed models and strategies during demanding operations. By enabling UUVs to adapt their actions to the dynamically changing environment, CHANGE will promote the sustainable expansion of Norwegian salmon farming while simultaneously offering opportunities also for application outside the aquaculture context.

Publikasjoner hentet fra Cristin

Budsjettformål:

FRINATEK-Fri prosj.st. mat.,naturv.,tek