基于PSO—BP算法的水下机器人运动模型辨识.pdf

《基于PSO—BP算法的水下机器人运动模型辨识.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于PSO—BP算法的水下机器人运动模型辨识周军，王字飞(河海大学机电工程学院，江苏常州213022)KinematicModelIdentificationofUnderwaterVehicleBasedonPSO——BPAlgorithmZHOUJun，WANGYu—fei(CollegeofMechanicalandElectronicEngineering，HohaiUniversity，Changzhou213022，China)摘要：将粒子群算法(PSO)与误差反传算法0引言(BP)相结合，利用粒子群算法的全局突变性，使BP算法避免在神经网络权值寻优过程中陷入局部极小神经网

2、络具有自学习功能，理论上对任何非线值。对Elman神经网络结构进行调整，并将PSO—性函数都能以任意精度逼近。同时，在对系统进行BP算法用于改进后的Elman网络的权值修改。最辨识的过程中无需建立精确的数学模型，因此越来后，对比了3种不同算法、结构的神经网络对水下机越多地被运用于复杂非线性系统的建模【1]。水下机器人运动学模型的辨识结果，证明了基于PSO—BP器人一般在复杂的水下环境工作，其空间运动具有算法的改进Elman神经网络对水下机器人运动模非线性、耦合性和时变性的特点[2]，难以建立精确的型，有较高的辨识精度。数学模型。研究证明，运用神经网络模拟水下机器关键词：水下机器人；模型

3、辨识；神经网络；粒子人的运动规律，具有速度快、精度高的特点r3]。群优化PSO—BP算法作为一种混合算法，有效弥补了中图分类号：TP242各自独立工作时的不足，基于PSO—BP算法的神经文献标识码：A网络在矿震危险性预测、电力负荷预测等领域都建文章编号：1001—2257(2013)03—0066一O4立了相对精确的预测模型l_6]。本研究对标准El—Abstract：Combineparticleswarmoptimizationman网络结构进行了改进，把神经网络输出延时反(PSO)andback～propagationalgorithm(BP)，馈给隐含层，并采用PSO—BP算法

4、修改网络权值，whichtakeadvantagesoftheglobalmutationof最后将基于改进的Elman神经网络用于辨识水下PSO，topreventBPalgorithmgettingstuckinlocal机器人的运动规律。仿真实验证明，基于PSO—BPminimaduringtheweightsoptimizationofneural算法的改进Elman神经网络对水下机器人运动规network．MakeuseofamodifiedElmanneuralnet—律有较好的辨识效果。workwhoseweightswereoptimizedbythePSO—1神经网络

5、模型BPalgorithm，toidentifythekinematicmodelof1．1Elman网络介绍underwatervehiclesandthesimulationexperi—Elman网络的特点在于承接层存储隐含层上一ments，comparisonbetweenthemodifiedElman时刻的输出，并与网络当前时刻的外部输人一起进networkbasedonPSOandanothertwodifferentneurainetwork。showedthatthemodifiedElman入隐含层。与BP网络相比，Elman网络的这种内networkbasedon

6、PSo—BPhadabetteraccuracy部反馈特性使其对网络的历史数据有一定的记忆能力，并且具有动态特性和递归作用。此外，Elman网inthekinematicmodelidentificationofunderwater络能够忽略外部噪声的具体形式，并且理论上能任vehicles．意逼近非线性函数，给出系统正确的样本数据，就能Keywords：underwatervehicles；modelidenti—建立系统模型。fication：neuralnetwork：PSOElman网络一般分4层，分别是输入层、隐含收稿日期：2012—09—2i层、承接层和输出层。数据由输入层

7、进入网络，采用·66·《机械与电子32013(3)基于PSO—BP算法的水下机器人运动楱型辨非线性函数进行加权处理后，送到隐含层单元。隐输入层到隐含层的权值变化：含层单元与输出层单元之间采用线性函数作为传递△一“。(志一1)(一1，2，⋯，；q一1，2，函数。承接层用于存储隐含层单元前一时刻的输出⋯，r)值，并反馈给隐含层单元，相当于一步延时算子。一∑(oJ。)／(·)(5)标准Elman网络模型只包含隐含层单元的反馈输入，而没有考虑输出层节点