基于SVM算法的碟形水下机器人姿态预测方法研究.pdf

《基于SVM算法的碟形水下机器人姿态预测方法研究.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、56传感器与微系统(TransducerandMicrosystemTechnologies)2012年第31卷第4期基于SVM算法的碟形水下机器人姿态预测方法研究王天，叶秀芬，刘晓阳，王雷(哈尔滨工程大学自动化学院，黑龙江哈尔滨150001)摘要：碟形水下机器人的运动控制过程是非常复杂的，涉及到很多影响因素，并且是一个非线性控制过程，其姿态控制过程的系统模型的辨识对于实现机器人精确的控制和不同水文环境的自适应预测控制有着重要意义。因支持向量机(SVM)算法经过严格的数学推导，且在非线性等方面的良好表现，提出了将SVM算法用于碟形水下机器人

2、模型的辨识，并设计了一组基于SVM的多输入多输出系统辨识器，可针对控制量进行姿态变化预测。通过在水池中测试的实验数据进行辨识和预测。实验验证预测的均方差不超过0．004，实验结果验证了该算法对碟形潜水器的姿态运动控制系统的辨识与预测有着良好的效果。关键词：碟形水下机器人；系统辨识；支持向量机；多输人多输出；预测中图分类号：TP181文献标识码：A文章编号：1000-9787(2012)04-0056-04Researchonattitudepredictionmethodfordish-likeunderwaterrobotbasedonS

3、VMalgorithmWANGTian，YEXiu-fen，LIUXiao—yang，WANGLei(SchoolofAutomation，HarbinEngineeringUniversity，Harbin150001，China)Abstract：Thecontrolofdish—likeunderwaterrobotmotioniScomplex．Itinvolvesmanyinfluencingfactorsandit’salSOanonlinearcontrolprocess．Themodelofattitudemotioneon

4、troliSveryimportantfortheaccuratecontrolandself-adaptivepredictivecontro1．SVMalgorithmisproposedtoapplyinindentifingthemodelofdish—likeunderwaterrobotandasetofMIM0identifierbasedonSVMiSdesignedbecausetheSVMhasexcellentperformanceonnonlinearsystembystrictmathematicalderivat

5、ion．Thisidentifiercanpredicttheattitudechangeaccordingtocontrolparameters．TheidentificationandpredictionperformanceoftheSVMidentifierisprovedbytheexperimentaldataofpooltest．TheresultshowsthattheMSEiSlessthan0．004．Itverifiesthatthisalgorithmhasgoodeffectontheidentificationa

6、ndpredictionofdish—likeunderwaterrobotattitudemotioncontrolsystem．Keywords：dish—likeunderwaterrobot；systemidentification；SVM；MIM0；prediction0引言种新型机器学习方法J，以结构风险最小化原则来自动学水下机器人具有高自由度、非线性、强耦合等特性，习模型结构。该种算法是一种凸二次优化问题，可以很好因此，对其进行控制极具难度，而要实现良好的控制则需要地得到全局最优解，具有结构简单、泛化能力强等优点，且建立高精度

7、的动态模型。能较好地解决小样本、非线性和高维数的问题。现有的水下机器人的主要建模方法可以总结为2种，分别是SVM主要解决单输入单输出问题，而水下机器人是一个具机理建模和模型辨识。机理建模过程复杂]，获得的非有多输入多输出、强耦合、欠驱动、时变和不稳定特性的复线性模型仍不适合直接应用到控制当中，需要通过实验反杂动态系统，水动力学特性呈现强非线性。针对该问题，本复对模型进行修正。传统的方法(如最小二乘法、梯度文提出一种基于SVM的碟形水下机器人姿态运动的多输校验法、极大似然法等)都不能很好地解决非线性多输入多输出非线性系统辨识模型，并结合离线运

8、行数据辨识人多输出问题。人工神经网络方法也存在网络结构选出该潜水器在水中姿态变化的控制模型参数，最后通过水择难、泛化能力差，需要大量的样本，并且神经网络结构依池实验数据检验了该辨