基于物理约束、面向潜标本地部署的内孤立波智能识别模型

本发明属于海洋观测与人工智能交叉，尤其是基于物理约束、面向潜标本地部署的内孤立波智能识别模型。

背景技术：

1、内孤立波是层化海洋内部在潮流、地形等作用下激发产生的强非线性大振幅波动，广泛分布于中国南海北部、东海、黄海及青岛外海等关键海域，振幅可达数十米至两百余米，具有突发性强、传播速度快、破坏力大等特点。内孤立波会导致水下航行体剧烈“掉深”、声呐探测信号畸变与声影区形成，被称为水下装备的“隐形杀手”，严重威胁潜艇航行、海洋工程作业、水下通信与探测安全。

2、cn119622614b公开了一种基于深度学习的海洋内波监测方法，属于海洋内波监测技术领域，用于海洋内波监测，包括采集观测海域的流速数据集，作为原始数据集，对原始数据集进行质控，对质控后的数据进行正常序列和异常序列的区分，并划分训练集、验证集和测试集；构建海洋内波异常监测模型，优化异常评分且重构误差参数，利用训练好的海洋内波异常监测模型对海域的流速观测数据进行监测，识别海洋内波序列；对海洋内波序列进行内波动力学特征分析并输出特征。该现有技术采用深度学习模型能够准确捕捉正常流速的行为模式，并通过重构误差实现内波流的异常检测，有效区分正常流速和内波流速，减少了由传统方法引起的误判和漏判。然而，仅采用流速时序数据，无法实现内孤立波振幅探测；仅能在岸基运行，无法在潜标嵌入式平台本地部署。

3、目前，内孤立波的识别与探测主要依赖现场观测、卫星遥感与数据后处理相结合的方式，主流技术手段与现有系统存在以下明显技术缺陷：

4、第一，温盐链、定点ctd属于接触式测量，依靠温盐剖面反演内孤立波振幅，测量量程受限，强海流环境下极易断裂损毁；设备布放、回收作业成本高昂，无法实现全年连续无人值守观测。adcp仅被用于常规流场统计，其回波信号携带的温跃层、声散射层垂向扰动信息未被充分挖掘，不能同步获取流速与内波振幅，造成硬件观测资源浪费。

5、第二，现有观测模式下，潜标采集的海量原始声学、温流数据需要通过水声、卫星通信全部回传陆地岸基中心，再依靠科研人员人工解译、信号提取、事件判定。整套流程存在通信传输延迟、数据丢包、带宽不足、人工处理周期长等问题；而内孤立波单次过境时长通常不足30分钟，滞后处理模式无法满足突发性海洋动力事件实时预警需求。

6、第三，行业传统识别手段多采用温度变率、流速剪切固定经验阈值触发判断，未区分中尺度涡、亚中尺度涡丝、海洋锋、全日内潮、底摩擦扰动等干扰信号，在层化复杂、潮流强劲的近海海域频繁误报；小幅弱内孤立波易被背景噪声掩盖，产生大量漏报。

7、第四，人工智能技术虽已逐步应用于海洋内波研究，但现有模型主要面向卫星sar图像识别、内波参数反演、数据超分辨率重建等任务，普遍存在网络结构复杂、参数量大、算力需求高、无法嵌入水下潜标等边缘计算平台等问题。同时，现有ai模型多为纯数据驱动，未深度融合内波物理传播规律、频域特征、垂向结构特征等先验知识，导致模型物理可解释性差、泛化能力弱、识别结果易出现非物理失真。

8、第五，潜标作为内孤立波长期观测的核心平台，面临算力有限、能源紧张、通信链路不可靠、易受台风与船只破坏等现实约束。目前尚无能够在潜标上本地部署、实时推理、具备物理约束的内孤立波智能识别模型，更未形成“原位感知、本地识别和实时预警”一体化技术体系，严重制约内孤立波预警系统向长期化、智能化、业务化发展。

9、综上所述，现有内孤立波识别与探测技术在观测手段、识别模式、模型轻量化、物理约束融合、潜标原位部署等方面存在明显不足，无法满足我国近海关键海域内孤立波实时、精准、自主、可靠识别的重大需求。因此，研发一种基于物理约束、轻量化、可本地部署于潜标平台、能够抗复杂海洋过程干扰、实现低功耗实时推理的内孤立波智能识别模型，成为本领域亟待解决的关键技术问题。

技术实现思路

1、针对上述现有技术存在的不足，提供了基于物理约束、面向潜标本地部署的内孤立波智能识别模型，可在潜标本地完成内孤立波自主识别与特征提取，摆脱对温盐链与岸基解译的依赖，具有实时性强、功耗低、抗干扰、物理可信等优点，适用于中国近海关键海域内孤立波业务化监测与安全预警。

2、为解决上述技术问题，本发明所采取的技术方案是，基于物理约束、面向潜标本地部署的内孤立波智能识别模型，包括多模态数据预处理模块、轻量化异构编码器、柔性解码器集群、物理约束嵌入模块、模型部署与实时推理模块；

3、所述多模态数据预处理模块，用于对潜标adcp声散射强度、流速、温深变频观测数据开展超分辨率重建、去噪与质控，并完成adcp原始回波强度至声散射强度的定量物理转换；

4、所述轻量化异构编码器，用于将多模态观测数据差异化编码，统一输出高维向量表征，供下游解码器复用；

5、所述柔性解码器集群，用于实现内孤立波发生事件判别以及内孤立波特征参数提取；

6、所述物理约束嵌入模块，采用硬约束与软约束相结合的方式，保证模型输出结果符合海洋流体物理规律；

7、所述模型部署与实时推理模块，用于将轻量化模型固化至潜标嵌入式平台，实现低功耗值守、事件驱动本地实时推理；

8、潜标adcp、温深传感器采集数据送入多模态数据预处理模块完成声学换算与多级质控，处理后数据输入轻量化异构编码器融合特征，特征向量送入柔性解码器集群输出内孤立波事件概率与动力学参数，参数进入物理约束嵌入模块修正非物理结果，最终由模型部署与实时推理模块完成嵌入式固化、变频采样与本地预警。

9、上述的基于物理约束、面向潜标本地部署的内孤立波智能识别模型，所述多模态数据预处理模块中，adcp原始回波强度转换为声散射强度的计算公式为：

10、；

11、式中各常量与参数均取自trdiworkhorselongrange75khz四波束adcp原厂出厂校准手册；为水体体积声散射强度，单位db；为系统标定常数；为换能器实测海水温度，单位℃；，d为探头至散射体垂直距离，为设备标准波束角；为换能器发射功率；为脉冲距离损耗，为设备出厂标定参数；为海水声吸收系数；为波束换算因子；e为adcp原始回波计数值；为仪器固有噪声基底计数值。

12、上述的基于物理约束、面向潜标本地部署的内孤立波智能识别模型，所述多模态数据预处理模块搭载剪枝压缩轻量化生成对抗网络实现数据降噪与超分重建，配套八步标准化质控流程：基础有效性检查、单波束独立声散射计算、波束中位残差校验、对向波束一致性校验、层间流速突变剔除、时空孤立点剔除、缺测数据插补、综合质控评分；

13、综合质控评分公式为：

14、；

15、其中，为波束一致性评分，为相关系数评分，为姿态稳定性评分，为缺测完整性评分，为误差速度评分。

16、当判定为高质量数据，可全流程参与推理；为低置信可用数据，推理结果降级；为无效数据，无效数据不参与事件触发。

17、上述的基于物理约束、面向潜标本地部署的内孤立波智能识别模型，所述轻量化异构编码器并行包含三类特征提取单元：

18、时序特征编码单元为轻量化lstm网络，隐藏单元取值区间16~64；

19、物理场特征编码单元为轻量化transformer，层数1~2层，注意力头数量1~4个；

20、空间结构编码单元为轻量化深度可分离cnn，卷积通道8~32个；

21、三类单元输出向量拼接融合为统一64维高维特征向量，一次编码供给两类解码器复用。

22、上述的基于物理约束、面向潜标本地部署的内孤立波智能识别模型，所述柔性解码器集群包括内孤立波发生判别解码器、内孤立波特征提取解码器；

23、所述内孤立波发生判别解码器采用轻量化svm分类器，输出内孤立波事件发生概率；

24、所述内孤立波特征提取解码器为瓶颈轻量化mlp，输出参数向量，a为振幅、c为传播速度、t为持续时间、l为水平尺度、为传播方向，输出后接入物理约束校验层强制修正。

25、上述的基于物理约束、面向潜标本地部署的内孤立波智能识别模型，所述物理约束嵌入模块包括输出端硬约束、训练端软约束；

26、（1）推理硬约束包含六项强制校验规则：

27、①振幅上限，h为布放水深，模型输出a≤0直接判定无效事件；

28、②两层流体一阶内波理论相速：

29、；

30、约化重力，为理论一阶相速，、分别为上下层海水厚度，、为上下层密度，为参考密度，为重力加速度；模型输出波速需满足；

31、③散射层反演振幅，为由声散射层垂向位移直接计算得到的内孤立波参考振幅；约束，不满足时加权修正，权重取0.5~0.8；

32、④运动学约束残差，为内波理论水平尺度与模型预测尺度的相对残差；残差时直接用覆盖修正水平尺度；

33、⑤极性一致性约束：散射层下沉对应下沉型内孤立波、上抬对应上抬型，振幅符号、流速旋转结构不匹配则降低事件置信度或直接剔除；

34、⑥流体不可压缩连续性约束：构建流速散度残差，残差超过背景残差3倍标准差，判定预测结果存在非物理偏差并降低事件置信等级；

35、（2）训练软约束总损失函数权重全局固定，全海域训练统一使用，不可调整：

36、所述软约束为模型训练阶段损失函数引入物理引导项，总损失函数：

37、；

38、其中，为事件二元交叉熵分类损失，为振幅、波速回归huber损失，为振幅一致性损失，为相速区间约束损失，为时序平滑损失，为流速不可压缩残差损失，为波束一致性损失。

39、上述的基于物理约束、面向潜标本地部署的内孤立波智能识别模型，所述模型部署与实时推理模块分为离线训练、模型轻量化、模型固化、潜标本地加载、事件驱动推理五大阶段；

40、模型轻量化手段包括网络结构轻量化、20%~60%结构化剪枝、知识蒸馏、int8定点量化、算子融合；剪枝自适应规则：水深≥500m深水场景固定40%剪枝；水深＜100m浅海潮流强干扰场景固定60%剪枝；水深100~500m中等海区可在40%~60%区间线性调整，平衡精度与存储占用；

41、浮点权重int8量化公式：

42、；

43、式中，为浮点权重，量化整数权重，为量化尺度，为零点偏移；

44、采用量化感知训练保障嵌入式推理稳定；算子融合后导出onnx、tflitemicro、tvm嵌入式通用模型；

45、模型固化时将模型权重、标准化参数、声转换全套参数、物理约束阈值存入潜标非易失存储器，设备开机自动执行crc校验，校验失败自动切换备用模型。

46、上述的基于物理约束、面向潜标本地部署的内孤立波智能识别模型，事件触发采用多物理量联合判别机制，通过中位绝对偏差mad计算背景扰动尺度：

47、；

48、式中，为实时背景扰动标准差，为长期背景观测序列，为当前时刻分层观测值，mad代表中位绝对偏差；背景窗口时长6~24h，事件判断窗口20~40min；

49、固定事件开启阈值，滞回退出阈值；

50、采样分为三档工作模式：低频值守10min/次、候选确认2~5min/次、高频推理1~2min/次；单次高频最长持续时长深水3h、浅海2h；

51、切换高频采样判定条件：综合评分达标、、四项物理异常至少两项同时满足任一条件，且质控评分；

52、高风险预警触发条件：模型预测振幅或最大流速扰动或，任一条件成立立即通过水声/卫星通信推送高优先级预警。

53、本发明的基于物理约束、面向潜标本地部署的内孤立波智能识别模型的有益效果是，采用标准adcp声散射定量转换模型，仅依靠常规声学剖面仪即可同步获取流速与内孤立波振幅，无需布设、维护造价昂贵、易损毁的温盐链、ctd；声学非接触测量量程大、抗强流冲击，适合深水长期无人值守观测，大幅降低海洋观测工程投入。

54、数据预处理、特征编码、事件判别、参数校验全部在潜标嵌入式硬件完成，无需回传海量原始观测数据，规避水下通信带宽不足、数据丢包、传输滞后问题，可在内孤立30分钟过境窗口期完成识别预警，满足实时业务需求。

55、模型训练阶段引入流体力学损失项，推理阶段强制校验振幅、波速、运动学、连续性物理边界，有效抑制内潮、中尺度涡、鱼群、气泡等干扰信号，解决纯数据驱动模型输出非物理失真、泛化能力弱的痛点，近海环境误报率大幅下降。

56、通过网络精简、通道剪枝、知识蒸馏、int8量化多重压缩，模型参数量、推理算力需求大幅降低。

57、设计完整八步波束、流速、时空噪声质控流程，分层划分数据置信等级，低质量数据不参与模型推理，从数据源头降低设备噪声、海洋干扰带来的误识别概率。

58、原生兼容trdi75khzadcp与主流水下潜标系统，仅调整水深对应振幅上限、内波相速约束、采样周期即可适配南海深水、黄海浅海等不同海区，可广泛用于潜艇防护、海上平台、水下通信、透明海洋监测多类场景。