基于大模型智能体的渔船海上自适应作业协同系统的制作方法

本技术涉及船只协同作业，具体涉及一种基于大模型智能体的渔船海上自适应作业协同系统。

背景技术：

1、大模型技术已被尝试应用于渔船协同捕捞方案的生成。但在实际海上围网作业中，渔船常受海况影响产生执行延迟。现有方法通常仅依据单船位置偏差判断是否重新规划路径，难以识别单船延迟通过“等待”、“同步”等协同关系向其他船舶传播后造成的全局影响；同时，单纯依赖大模型进行开环的文本规划已无法满足需求，亟需将大模型升级为具备“感知-决策-行动-反馈”闭环能力的智能体（agent）。但现有系统缺乏能够支撑智能体进行环境感知与反馈的计算机制，无法精准评估执行偏差是否真正改变了围捕边界并给鱼群留出逃逸通道，容易导致对轻微偏差进行无效的全局频繁重构，而对于真正导致鱼群逃逸的关键延迟却修正不及时，严重影响多船协同作业的稳定性和成功率。

技术实现思路

1、为了解决相关技术中，依据单船位置偏差判断是否重新规划路径，无法精准评估执行偏差是否真正改变了围捕边界并给鱼群留出逃逸通道，严重影响多船协同作业的稳定性和成功率的技术问题，本技术提供一种基于大模型智能体的渔船海上自适应作业协同系统。

2、所采用的技术方案具体如下：

3、获取模块，用于获取当前船舶协同方案、鱼群状态数据以及船舶状态数据，船舶协同方案包括多项船舶任务以及各项船舶任务之间的协同关联关系；

4、第一确定模块，用于基于船舶状态数据以及协同关联关系，确定鱼群的动态逃逸通道；

5、预测模块，用于根据鱼群状态数据预测鱼群的未来可达区域，并计算鱼群未来可达区域与动态逃逸通道之间的逃逸交叠量；

6、第二确定模块，用于当逃逸交叠量超过预设历史正常范围时，基于消除单一任务延迟后逃逸交叠量的下降幅度，确定各船舶任务对应的延迟贡献度；

7、生成模块，用于根据延迟贡献度，确定待修正的主要任务集合，并将主要任务集合输入本地协同大模型，生成修正协同方案并下发执行。

8、在本技术的一种可能的实施方式中，第一确定模块，包括：

9、第一确定子模块，用于基于船舶状态数据以及协同关联关系，确定各个船舶任务的预计执行时间；

10、重构子模块，用于根据预计执行时间，重构未来围捕边界，并将未来围捕边界与船舶协同方案的计划边界进行比对，得到鱼群的动态逃逸通道。

11、在本技术的一种可能的实施方式中，第一确定子模块，包括：

12、确定单元，用于基于船舶状态数据，确定各项未完成船舶任务的直接延迟；

13、传播单元，用于将直接延迟沿协同关联关系进行传播，得到各个船舶任务传播后的预计执行时间。

14、在本技术的一种可能的实施方式中，确定单元，具体用于：

15、提取船舶状态数据中任一船舶任务的任务开始位置、目标相对位置以及当前相对位置；

16、基于任务开始位置、目标相对位置以及当前相对位置，确定任务完成进度；

17、基于任务完成进度以及船舶任务的完成速度，确定船舶任务的剩余执行时间；

18、根据当前时刻与剩余执行时间之间的和，船舶协同方案对应的计划完成时间，确定各项未完成船舶任务的直接延迟。

19、在本技术的一种可能的实施方式中，重构子模块，具体用于：

20、从船舶状态数据中获取各边界任务对应的围捕边界，围捕边界包括已形成的固定边界、形成中边界和未形成的边界；

21、针对于形成中边界和未形成的边界，分别按照船舶协同方案的计划时间和预计执行时间，确定在未来预测时刻所形成的渔船位置和网具端点位置；

22、在每个未来预测时刻，按照边界连接顺序排列围捕边界中各渔船位置和网具端点位置，得到未来围捕边界。

23、在本技术的一种可能的实施方式中，重构子模块，还用于：

24、在每个未来预测时刻，基于船舶协同方案的原计划时间，确定各边界任务的计划执行进度，并构建计划围捕边界；

25、将计划围捕边界中相邻端点之间未封闭的区域提取为原开放区域；

26、在每个未来预测时刻，将未来围捕边界中相邻边界端点之间尚未由渔船、网具或有效阻挡状态连接的部分区域，作为传播后开放区域；

27、将传播后开放区域与原开放区域进行差集计算，得到鱼群的动态逃逸通道。

28、在本技术的一种可能的实施方式中，预测模块，具体用于：

29、通过线性拟合方法，对鱼群状态数据进行处理，得到未来任一时刻鱼群所处的预测中心位置；

30、提取历史时间段内与当前作业阶段相同的鱼群轨迹，并根据鱼群轨迹相对于历史时刻对应预测中心的偏移点，构建得到历史运动扩展区域；

31、将历史运动扩展区域平移至预测中心位置，确定鱼群的未来可达区域；

32、基于未来可达区域与动态逃逸通道之间的交叠面积，计算得到逃逸交叠量。

33、在本技术的一种可能的实施方式中，第二确定模块，具体用于：

34、针对于任一船舶任务，确定消除当前船舶任务的直接延迟所产生的第一逃逸交叠量；

35、基于逃逸交叠量与第一逃逸交叠量之间的下降幅度，确定各船舶任务对应的延迟贡献度。

36、在本技术的一种可能的实施方式中，生成模块，具体用于：

37、按照延迟贡献度从大到小的顺序，对存在直接延迟的船舶任务进行排序，得到排序结果；

38、根据排序结果，依次将对应船舶任务以及协同关联关系中受当前船舶任务推迟影响的下游任务加入待修正集合；

39、在每执行一次将船舶任务或者下游任务添加至待修正集合的操作后，模拟消除待修正集合中所有任务的延迟，并重新计算当前的模拟逃逸交叠量；

40、若模拟逃逸交叠量降低至预设历史正常范围内，则停止添加任务，并将当前的待修正集合确定为待修正的主要任务集合；

41、若将全部存在直接延迟的任务均加入待修正集合后，模拟逃逸交叠量仍未降低至预设历史正常范围内，则强制停止添加任务，并将所有已加入任务作为待修正的主要任务集合。

42、在本技术的一种可能的实施方式中，生成模块，还用于：

43、将主要任务集合、当前的船舶协同方案及船舶状态数据构建为模型输入信息，并设定局部修正约束条件；

44、将模型输入信息和局部修正约束条件输入本地协同大模型，生成至少一组候选修正方案；

45、针对每一组候选修正方案，重新推演对应的未来围捕边界并计算候选逃逸交叠量，并剔除不满足局部修正约束条件或候选逃逸交叠量大于等于当前船舶协同方案的逃逸交叠量的无效候选修正方案；

46、从剩余的有效候选修正方案中，选取候选逃逸交叠量最小的方案作为最终的修正协同方案，并将修正协同方案拆分后下发至对应渔船执行。

47、本技术具有包括但不限于如下技术效果：

48、在本技术中，通过船舶状态数据以及船舶任务之间协同关联关系，确定鱼群的动态逃逸通道，再根据鱼群状态数据预测鱼群的未来可达区域，并计算鱼群未来可达区域与动态逃逸通道之间的逃逸交叠量，从而真实反映偏差是否构成鱼群逃跑风险，避免了对无威胁偏差的过度敏感和无效报警，当逃逸交叠量超过预设历史正常范围时，基于消除单一任务延迟后逃逸交叠量的下降幅度，确定各船舶任务对应的延迟贡献度；根据延迟贡献度，确定待修正的主要任务集合，并将主要任务集合输入本地协同大模型，生成修正协同方案并下发执行。精准定位出真正导致大缺口的关键任务，限制大模型仅对高贡献任务及其受控下游进行局部修正。避免了微小变动导致大模型将整个船队任务全局推翻重排，大幅减少了不必要的船只转向和指令变更，提高了多船协同作业的稳定性和成功率。