Construction of a dynamics simulation system for net cleaning robot based on Gazebo
-
摘要:
深海网箱养殖是重要的海水养殖模式,网箱网衣的定期清洗是确保养殖质量和安全的关键环节。目前,网衣普遍采用人工清洗,不仅费时费力,且随着深海网箱规格越来越大,人工方式难度显著提升。洗网机器人为深海网箱网衣清洗提供了更加安全、便捷的方式;然而,洗网机器人在贴网清洁和水下穿梭过程中,受力难建模、状态难观测,设计抗扰动能力强、能耗低的控制器困难,开展全面实验及数据记录成本高、时间长。针对上述问题,在物理仿真环境Gazebo的基础上,考虑了推进器和洗盘的存在,并分析了在水下环境中诸如附加质量、阻尼等各项水动力学特性以及流场环境等因素对洗网机器人的影响,构建了一套洗网机器人仿真系统,使得洗网机器人水下工作完备数据易获得、控制性能易验证、模型性能易对比,从而助力洗网机器人的控制器开发。
Abstract:Deep-sea cage aquaculture is an important marine aquaculture mode. Regular cleaning of cage nets is a critical step to ensure aquaculture quality and safety. Currently, nets are commonly cleaned manually, which is time-consuming and labor-intensive. As deep-sea cages grow larger, their manual cleaning become more difficult. Net washing robots provide a safer and more convenient way to clean nets for deep-sea cages. However, it is challenging to design controllers with strong disturbance resistance and low energy consumption for net washing robots, as the forces are difficult to model and the states are hard to observe during net cleaning and underwater shuttling. Moreover, conducting comprehensive experiments and data recording requires high costs and much time. To address these problems, we constructed a simulation system for a net washing robot based on the physical simulation environment Gazebo, considering the presence of thrusters and washing discs. Besides, we analyzed the effects of various hydrodynamic characteristics in underwater environment, such as added mass and damping, and factors like flow field environment on the washing robot. The established net washing robot can obtain complete data on the underwater operation of the net washing robot, verify control performance, and compare model performance more easily, thereby assisting in the controller development of washing robots.
-
Keywords:
- Net washing robot /
- Deep-sea cage /
- Gazebo /
- Dynamics simulation /
- Hydrodynamic modeling
-
藻毒素主要由海洋藻类产生,包括多种具有生物活性的化合物。这些化合物经食物链传递至贝类,并进一步威胁人类健康。根据化学结构,藻毒素分为以下类型:氮杂螺环酸毒素类 (Azaspiracids, AZAs)、环亚胺类 (Cyclic imines, CIs)、软骨藻酸类 (Domoic acids, DAs)、大田软海绵酸类 (Okadaic acid, OA)、裸甲藻毒素 (Brevetoxins, BTXs)、蛤毒素 (Pectenotoxins, PTXs)、石房蛤毒素 (Saxitoxins, STXs) 和虾夷扇贝毒素类 (Yessotoxins, YTXs)[1]。其中,除软骨藻酸类和石房蛤毒素外,其余6类均为脂溶性藻毒素。脂溶性藻毒素分布广泛,约占已发现藻毒素的90%,而脂溶特性使其更易在脂肪组织内富集,给人类健康带来更多潜在危害,因此脂溶性藻毒素引起了越来越多的关注。
我国是世界上最重要的贝类增养殖国家,由于贝类增养殖海域与有毒有害赤潮高发区存在高度重叠[2],有毒赤潮频发给我国贝类带来藻毒素沾染风险。由脂溶性藻毒素引起的贝类中毒事件在我国时有发生[3]。例如,2011年宁波和宁德两地发生的因食用污染贝类导致的群体中毒事件,涉及200多人,社会和经济效益损失巨大。因此,分析贝类体内藻毒素污染情况,评估其安全性,可有效预测贝类食用风险,防范藻毒素带来的危害效应。
北部湾是我国重要的牡蛎产区和最大的近江牡蛎 (Crassostrea rivularis) 养殖基地。“中国大蚝之乡”——广西钦州市年产近江牡蛎近60万吨,产值20多亿元,畅销广东、上海、湖南等地。近江牡蛎的安全对消费者健康和广西经济发展有重要意义。以往调查发现该区域贝类存在脂溶性藻毒素污染,并且环亚胺毒素 (GYM) 的含量高于我国其他海域[4]。因此,本文采集不同季节养殖近江牡蛎,应用高效液相色谱-质谱联用 (High-performance liquid chromatography-tandem mass spectrometry, HPLC-MS/MS) 技术[5],分析脂溶性藻毒素沾染情况并进行安全评价,为区域海产品质量评价与食用安全控制提供理论依据。
1. 材料与方法
1.1 试验试剂
所用溶剂均为色谱纯。脂溶性藻毒素标准OA、YTX、Dinophysistoxin (DTX) 1、homo-YTX、AZA1、AZA2、AZA3、spirolide (SPX) 1、GYM和PTX2,均购自加拿大国家研究院海洋生物科学研究所。
1.2 试验设备
超高效液相色谱仪 (Thermo Fisher UltiMate 3000, USA),三重四极杆线性离子阱质谱仪(AB Sciex, Qtrap®-4500, USA),C18反相色谱柱 (Waters, X-bridge C18, 3.5 μm, 3 mm×150 mm, USA),组织匀浆机 (IKA, T10BS25, GER)、固相萃取仪 (奥特赛恩斯仪器有限公司,ASE-12)、Strata™-X 聚合物固相萃取 (Solid phase extraction, SPE) 柱 (60 mg/3 cc, Phenomenex, USA)、针式滤膜 (0.22 µm, ANPEL, SCAA-104)。
1.3 样品采集
近江牡蛎样品于2017年4月 (春季)、7月 (夏季)、10月 (秋季) 和2018年1月 (冬季)采集自广西北部湾养殖场 (108.97°E,21.55°N)。选取养殖场四周及中心区域5根养殖柱,取身长11~13 cm,体质量150~250 g的2龄贝个体 (上市规格),每柱取3只。现场以海水冲洗牡蛎外壳附着物,将样品放入冰盒运回实验室−20 ℃保存。
1.4 样品处理与毒素提取
贝类样品前处理参考陈建华[6]和Liu等[7]的方法。具体操作为:样品解冻后分离贝肉匀浆。称取1 g匀浆组织,加入3 mL甲醇混匀,经2 000 g离心5 min取上清。重复上述操作,将3次上清液合并定容至10 mL备用。
利用SPE固相萃取小柱对上述甲醇粗提液进行净化。先后加入3 mL甲醇和3 mL去离子水交替活化SPE柱3次。然后取4 mL甲醇粗提液加入10 mL去离子水混匀,上SPE柱进行毒素吸附,用3 mL 20%的甲醇清洗柱子以除去杂质。最后取1 mL含0.3%氨水的甲醇溶液将毒素洗脱收集。洗脱液过滤后进行HPLC-MS/MS分析。
另取甲醇粗提液4 mL,加入2 mL NaOH (2.5) 溶液,混匀后75 ℃水浴40 min,冷却至室温后加入2 mL HCl (2.5 mol·L−1) 中和。水解后样品经净化、过滤进行HPLC-MS/MS分析。
1.5 毒素分析
多种脂溶性藻毒素同步分析方法参照Liu等[7],根据质谱检测结果进行定性。
1.6 安全风险评价
将藻毒素标准配置成混合标准溶液,通过外标法得到毒素浓度与质谱信号响应值之间的关系,计算阳性样品藻毒素含量。
采用风险熵值法 (Risk quotient, RQ)[8]和点评估法[9]进行安全风险评估。因环亚胺类GYM和SPX1安全阈值未设定,且没有明确证据表明该类毒素对人具有口服毒性[10-11]。因此,安全风险评价不包括这两种毒素。
风险熵值法:
$${\small{\rm{RQ}}} = \frac{{\small{\text{总毒素含量}}\;({\text{μ}}{\rm{ g}}\cdot{\rm{k}}{{\rm{g}}^{ - 1}})}}{{\small{\text{标准含量}}\;({\text{μ}}{\rm{ g}}\cdot{\rm{k}}{{\rm{g}}^{ - 1}})}}$$ (1) 计算样品RQ值,若RQ<1,说明食用该样品不存在藻毒素中毒风险;若RQ≥1,说明存在风险,食用后可能引发安全问题。
点评估法:
$$ \begin{array}{c} {\small{\text{毒素摄入量}}}\;\left( {\small{\rm{Daily}}\;{\rm{toxin}}\;{\rm{intake}},\; {\rm{DTI}}} \right) =\\ \dfrac{{\small{\text{毒素含量}}\;({\small{\text{μ}}}{\small{\rm{ g}}}\cdot{\small{\rm{k}}}{\small{{\rm{g}}}^{ - 1}}) \times {\small{\text{食用量}}}\;\left( {\small{{\rm{g}}}\cdot{{\small{\rm{d}}}^{ - 1}}} \right)}}{{\small{\text{体质量}}\;({\small{\rm{kg}}}) \times \small{1\;000}}} \end{array}$$ (2) 将每人每天单位体质量毒素摄入量DTI与急性毒性参考剂量 (Acute reference doses, ARfD)比较,计算暴露风险指数 (Expose risk index, ERI):
${\rm{ERI}} = \displaystyle \sum \nolimits \left({{\rm{DTI}}/{\rm{ARFD}}} \right)$ ,若0≥ERI < 0.1, 表明食用非常安全;若0.1≥ERI<1, 表明存在安全隐患;若ERI≥1,表明食用风险超过限度,需要启动风险管理程序。2. 结果与分析
2.1 近江牡蛎中脂溶性藻毒素污染状况分析
从20世纪90年代起,我国已有贝类沾染脂溶性藻毒素的报道。随着LC-MS/MS技术的应用和普及,我国贝类样品中脂溶性藻毒素的检出率逐渐增加,且不断发现新的种类[12-13]。研究表明,脂溶性藻毒素在我国分布广泛,从渤海到南海各海域均有检出;渤海和南海贝类藻毒素超标率普遍高于黄海和东海,达70%以上[14-15]。
对春、夏、秋、冬四季牡蛎样品进行脂溶性藻毒素分析,结果见表1。OA、DTX1、YTX、AZA1和AZA3等毒素成分均未检出,说明样品未沾染这些类型的毒素或者其含量低于检测限。而homo-YTX、AZA2、SPX1、GYM和PTX2均有检出,且呈一定的季节差异。图1为典型阳性样品毒素质谱图。
表 1 近江牡蛎样品体内脂溶性藻毒素组成与质量分数Table 1. Composition and contents of lipophilic phycotoxins in C. rivularis collected from Beihai of Guangxiμg·kg−1 采样时间
Sampling time毒素种类 Toxin profile 大田软海绵酸
OA鳍藻毒素
DTX1虾夷扇贝毒素
YTX虾夷扇贝毒素
homo-YTX氮杂螺环酸毒素
AZA12017.04 ND ND ND 1.40±0.31 ND 2017.07 ND ND ND 0.41±0.25 ND 2017.10 ND ND ND 1.17±0.17 ND 2018.01 ND ND ND 0.54±0.12 ND 采样时间
Sampling time毒素种类 Toxin profile 氮杂螺环酸毒素
AZA2氮杂螺环酸毒素
AZA3螺环内脂毒素
SPX1环亚胺毒素
GYM蛤毒素
PTX22017.04 0.09±0.02 ND 0.52±0.18 6.36±1.55 ND 2017.07 ND ND 0.54±0.19 7.22±1.84 0.06±0.03 2017.10 0.12±0.12 ND 0.60±0.18 10.13±3.25 0.03±0.03 2018.01 ND ND 0.26±0.02 13.15±2.54 0.43±0.04 注:ND. 未检出 Note: ND. Undetected 2.1.1 环亚胺类毒素
我国GYM和SPXs首次在广东附近海域的长牡蛎 (C. gigas) 中检出,南海污染程度高于北方[16-18]。本次调查中,牡蛎样品沾染的脂溶性藻毒素以环亚胺类为主,GYM含量最高 (表1),且呈现秋冬高、春夏低的特点。冬季牡蛎样品中GYM质量分数达 (13.15±2.54) μg·kg−1,是春季样品的2倍[(6.36±1.55) μg·kg−1]。与GYM季节分布特征不同,SPX1质量分数在冬季样品中最低[(0.26±0.02) μg·kg−1],秋季最高 [(0.60±0.18) μg·kg−1]。这些毒素含量变化很可能与相关产毒藻种的季节性变动有关。以往研究表明,GYM在我国南海贝类中具有较高的检出率和含量[19],与本次调查结果一致。
2.1.2 聚醚类毒素
OA和DTXs是一类聚醚或大环内酯化合物,由鳍藻属 (Dinophysis sp.) 和原甲藻属 (Prorocentrum sp.) 的藻类产生,是导致腹泻的脂溶性毒素类型[20],具有分布范围广、发病率高等特点。PTXs是鳍藻属产生的是一类大环聚醚化合物,其中以PTX2在海洋环境中最为常见。研究表明,OA、DTX1和PTX2一般共存于海水、浮游植物和贝类样品[19, 21-22]。
贝类体内部分OA和DTX1与游离脂肪酸结合,以酯化形式存在。这部分结合态毒素无法直接检测,一定程度上低估了藻毒素的含量。碱水解使结合态毒素酯键断裂,释放出游离态[23]。本研究中,水解前后均未检测到OA和DTX1,说明该区域牡蛎受此类毒素污染较小。这一结果可能与牡蛎不易累积这些毒素有关[24]。而PTX2在夏、秋、冬三季均有检出,且冬季样品中质量分数最高[(0.43±0.04) μg·kg−1] (表1),可能是由于PTX2比OA和DTX1更易保留在牡蛎组织中。
AZAs属于聚醚类毒素,其结构中具有独特的螺旋环、环胺或其他氮杂基团[25],由环胺藻Azadinium和Amphidoma两个属产生。本研究分析了样品中AZA1、AZA2、AZA3 3种同系物,结果只检测到少量的AZA2,AZA1和AZA3均未检测到。AZA2出现在春、秋两季,质量分数分别为 (0.09±0.02) μg·kg−1和 (0.12±0.02) μg·kg−1 (表1)。Az. poporum被认为是中国沿海AZAs的首要贡献者[26-27],而AZA2是Az. poporum中AZAs最主要的形式。因此,AZA2可能是我国近海海域存在的AZAs的主要形式。
YTXs是含有2个磺酰基的多环聚醚类化合物,其衍生物多达90多种,主要来源于网状原角藻 (Protoceratium reticulatum)、多边舌甲藻 (Lingulodinium polyedrum) 和具刺膝沟藻 (Gonyaulax spinifera),最早在虾夷扇贝中发现[28-29]。2008年,国内首次报道YTXs主要存在于黄渤海区域(特别是北部海区)的贝类样品中,组成基本以YTX为主;而在南海贝类中检出率较低,且主要为衍生物homo-YTX[4,30-31]。本次调查中homo-YTX质量分数为0.41~1.40 μg·kg−1,春、秋季明显高于冬、夏季 (表1)。该结果应该与北部湾海域普遍存在以产homo-YTX为主的有毒藻种有关[14]。
2.2 广西北部湾海域近江牡蛎食用安全性分析
2.2.1 风险熵值法
YTXs、AZAs和PTXs等3类毒素毒性效应各不相同,分别计算RQ值。总毒性根据毒性等效因子 (Toxicity equivalency factors, TEF) (表2) 计算,限量标准参照欧洲食品安全局 (European Food Safety Authority, EFSA) 的规定 (表3)。3类毒素的RQ值均小于1,采样区牡蛎不存在食用安全风险 (图2-a)。
表 2 毒性等效因子换算表 (EFSA 2009)[32]Table 2. Toxicity equivalent factors (TEFs) recommended by EFSA 2009毒素种类
Toxin profile毒性等效因子
TEF大田软海绵酸 OA 1 鳍藻毒素 DTX-1 1 蛤毒素 PTX-2 1 氮杂螺环酸毒素 AZA-1 1 氮杂螺环酸毒素 AZA-2 1.8 氮杂螺环酸毒素 AZA-3 1.4 虾夷扇贝毒素 YTX 1 虾夷扇贝毒素 Homo-YTX 1 表 3 脂溶性贝类毒素限定标准[32]Table 3. Limitations for lipophilic phycotoxins in shellfishμg eq·kg−1 毒素种类
Toxin profile限定标准
Limit急性毒性参考剂量
ARfD大田软海绵酸及类似物
OA and analogues45 0.3 氮杂螺环酸毒素 AZA 30 0.2 蛤毒素 PTX 120 0.8 虾夷扇贝毒素 YTX 1 000 25 石房蛤毒素 STX 800 0.5 2.2.2 点评估法
根据公式2及不同毒素ARfD值 (表3) 计算ERI,设定食用量400 g,成人体质量60 kg[32],结果见图2-b。此次调查中,所有受检样品ERI均小于0.1,说明食用该区域近江牡蛎非常安全。
3. 结论
本文通过HPLC-MS/MS方法,分析不同季节近江牡蛎样品的脂溶性藻毒素,并采用风险熵值法和点评估法进行安全风险评价。结果显示,此次调查牡蛎样品中检测到homo-YTX、AZA2、SPX1、GYM和PTX2 5种脂溶性藻毒素成分,但含量远低于相关限量标准,安全风险评价表明不存在食用安全风险。然而,考虑我国沿海贝类脂溶性藻毒素的沾染情况,应该在更广空间范围内进行持续监测,以保障贝类养殖的持续发展和消费者健康。
致谢:中国科学院海洋研究所有害藻华与海洋生态安全课题组于仁成研究员对本研究的支持与帮助,谨此致谢!
-
-
[1] 侯海燕, 鞠晓晖, 陈雨生. 国外深海网箱养殖业发展动态及其对中国的启示[J]. 世界农业, 2017(5): 162-166. [2] 徐皓, 陈家勇, 方辉, 等. 中国海洋渔业转型与深蓝渔业战略性新兴产业[J]. 渔业现代化, 2020, 47(3): 1-9. [3] 韩立民, 王金环. “蓝色粮仓”空间拓展策略选择及其保障措施[J]. 中国渔业经济, 2013, 31(2): 53-58. [4] 朱玉东, 鞠晓晖, 陈雨生. 我国深海网箱养殖现状、问题与对策[J]. 中国渔业经济, 2017, 35(2): 72-78. [5] 张汉华, 梁超愉, 吴进锋, 等. 大鹏湾深水网箱养殖区的污损生物研究[J]. 中国水产科学, 2003, 10(5): 414-418. [6] 彭安华, 刘成文, 陆波. 一种带有清洗装置和数据采集系统的深水网箱[J]. 南方农业, 2016, 10(3): 169-171. [7] 宋协法, 孙跃, 何佳, 等. 深水网箱清洗技术及装备研究进展[J]. 渔业现代化, 2021, 48(5): 1-9. [8] ALBITAR H, ANANIEV A, KAZAKOV I. In-water surface cleaning robot: concept, locomotion and stability[J]. Int J Mechatron Autom, 2014, 4(2): 104-115. doi: 10.1504/IJMA.2014.062338
[9] OSAKA T, NORITA J. Submersible cleaning robot: US20060282503[P]. 2014-06-24.
[10] JENSEN V. Fish farm cleaning robot: NO20170580A1[P]. 2018-10-08.
[11] FORD M. Net cleaning device for in-situ cleaning of a submerged net, propeller for use with net cleaning device, method and system: WO2020069556A1[P]. 2020-04-09.
[12] 庞洪臣, 杨芳, 俞国燕, 等. 一种新型深海网箱清洗机器人: CN107052002A[P]. 2017-08-18. [13] 青岛炬荣工程科技有限公司. 空化射流水下网衣清洗机器人: CN201910677594.2[P]. 2019-10-18. [14] 付宗国, 杨俭健, 刘莹莹, 等. 一种深水网箱养殖水下智能清理机器人: CN103144118A[P]. 2013-06-12. [15] 青岛森科特智能仪器有限公司, 烟台中集蓝海洋科技有限公司. 一种模块化网箱水下机器人: CN202021730216.0[P]. 2021-04-23. [16] LINDGREN P B. Aquaculture cage screen and cleaning apparatus: US 2012/0260443 A1[P]. 2012-10-18.
[17] LINDGREN P B. Fish cage screen and cleaning apparatus: US 2012/0260861 A1[P]. 2012-10-18.
[18] 飞马滨 (青岛) 智能科技有限公司. 一种用于海洋牧场网箱清洗的水下机器人: CN202110996755.1[P]. 2021-11-26. [19] FARLEY A, WANG J, MARSHALL J A. How to pick a mobile robot simulator: a quantitative comparison of CoppeliaSim, Gazebo, MORSE and Webots with a focus on accuracy of motion[J]. Simul Model Pract Th, 2022, 120: 102629. doi: 10.1016/j.simpat.2022.102629
[20] 李志文, 程志江, 杜一鸣, 等. 基于ROS的清洁机器人运动控制研究[J]. 计算机仿真, 2023, 40(4): 455-460. [21] KOENIG N, HOWARD A. Design and use paradigms for Gazebo, an open-source multi-robot simulator[C]//2004 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (IEEE Cat. No. 04CH37566). IEEE, 2004, 3: 2149-2154.
[22] MANHÈS M M M, SCHERER S A, VOSS M, et al. UUV Simulator: a Gazebo-based package for underwater intervention and multi-robot simulation[C]//OCEANS 2016 MTS/IEEE Monterey, Monterey, CA, USA, 2016: 1-8. DOI: 10.1109/OCEANS.2016.7761080.
[23] JOUNG T H, SAMMUT K, HE F, et al. Shape optimization of an autonomous underwater vehicle with a ducted propeller using computational fluid dynamics analysis[J]. Int J Nav Archit Ocean Eng, 2012, 4(1): 44-56. doi: 10.2478/IJNAOE-2013-0077
[24] 刘开周, 赵洋. 水下机器人建模与仿真技术[M]. 北京: 科学出版社, 2020: 28. [25] 宋伟刚. 机器人学: 运动学、动力学与控制[M]. 北京: 科学出版社, 2007: 78. [26] FOSSEN, THOR I. Handbook of marine craft hydrodynamics and motion control[M]. Hoboken: Wiley, 2011: 15-52.
[27] LIMARCHENKO O, SEMENOVICH K. Effect of the Coriolis forces on dynamics of the system reservoir-liquid under uniform outflowing[J]. Math Model Comput, 2018, 5(1): 34-40. doi: 10.23939/mmc2018.01.034
[28] 潘昊东, 王志光, 刘纯虎. 流线型高速 ROV 螺旋桨水动力性能分析[J]. 舰船科学技术, 2020, 42(12): 41-46. [29] BERG V. Development and commissioning of a DP system for ROV SF 30k[D]. Trondheim: Norwegian University of Science and Technology, 2012: 30-31.
[30] ANTONELLI G. Underwater robots[M]. Berlin: Springer, 2018: 57.
[31] CHRIST R D, WERNLI R L. ROV技术手册: 水下机器人使用指南[M]. 中国造船工程学会《船舶工程》编辑部译. 上海: 上海交通大学出版社, 2018: 19-38. [32] RUE H, HELD L. Gaussian Markov random fields: theory and applications[M]. New York: Chapman and Hall/CRC, 2005: 15-82.
-
期刊类型引用(2)
1. 陈志,周洪磊,林国明,李钧,胡丰晓,霍朋辉. 4种消毒剂处理对岩虫的急性毒性效应分析. 福建农业科技. 2023(05): 15-20 . 百度学术
2. 周洪磊,林国明,陈志,李钧. 不同生物饵料对岩虫生长及繁殖性能的影响. 福建农业科技. 2023(07): 36-40 . 百度学术
其他类型引用(1)