欢迎来到天天文库
浏览记录
ID:52489236
大小:1.16 MB
页数:5页
时间:2020-03-28
《水下自主机器人水动力预报方法研究.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、第34卷第1期2015年2月海洋技术学报JOURNAL0F0CEANTECHNOLOGYV01.34.No.1Feb.2015水下自主机器人水动力预报方法研究江新,刘汉明,钟后阳(海军潜艇学院防险救生系,山东青岛266042)摘要:针对水下机器人操纵性优化设计中水动力系数预报问题,在水下机器人水动力预报中引入艇体肥瘦指数概念,确定了水下机器人艇体几何描述的五参数模型。提出采用小波神经网络方法预报水下机器人水动力.确定了神经网络的结构,利用均匀试验设计方法。设计了神经网络的学习样本。研究结果表明,只要确定适当的输入参数,选择适当的学习样本和网络结构,利用小波神经网络方法对水下机器
2、人水动力进行预报可以达到较好的精度。关键词:水下机器人;操纵;水动力;小波神经网络中图分类号:u676.8+3文献标志码:A文章编号:1003—2029(2015)01—0050一05在搜寻马航MH370的过程中,一种水下机器人“蓝鳍金枪鱼”的使用给人们留下深刻的印象。在水下机器人操纵性设计与优化中,确定水下机器人的操纵水动力是一项十分重要的内容。目前在水下机器人方案设计和初步设计阶段多采用经验估算方法,技术设计阶段则一般用约束船模试验方法获得水下机器人操纵性水动力⋯。经验公式方法将艇体近似为椭球,很难描述艇体线型的复杂变化,且估算精度难以保证;约束船模试验耗费大、耗时长,在实
3、际应用中还受到了许多限制。利用计算流体力学(CFD)技术预报水下机器人水动力是目前水动力预报的新方向,已取得较好的效果【2-3J,然而单次完整的CFD水动力计算耗时长,尚不能很好地应用于水下机器人操纵性的优化设计中。水下机器人操纵水动力系数的计算与预报,其本质是对不同形状(设计参数)的水下机器人到水动力系数映射的求解,因此计算水下机器人操纵水动力系数的过程本质上是求解映射关系的过程。前馈型神经网络(BP神经网络)方法“具有逼近任意连续函数和非线性映射的能力,能模拟任意的非线性输入输出关系”【4J,将BP神经网络方法应用于水下机器人操纵水动力的预报是一种新的思路,然而BP神经网络
4、隐层节点数的确定依赖于经验和大量反复的测试,对于水动力预报这一新应用领域,设计者尚难以科学地确定神经网络结构。本文将基于BP神经网络的小波神经网络算法应用于水下机器人操纵水动力系数的计算预报,避免了单独使用BP神经网络方法预报水下机器人操纵水动力系数时网络结构设计的不确定性,是快速、高精度预报水下机器人操纵水动力系数的一种新尝试,并对预报结果的精度和有效性进行检验。1BP神经网络与小波神经网络BP神经网络采用误差反向传播学习算法(BP算法),通常由输入层、输出层和若干隐层构成,含有一个隐层的BP神经网络如图1(a)所示。图中:m为输入维数;七为隐层节点数;n为输出层节点数。网络
5、的训练和学习是在选定的神经元模型和网络拓扑结构以及给定的输人集条件下,网络按照一定的收稿日期:2014—08—20作者简介:江新(1972一),男,工程师,研究方向为海上救助技术。E—mail:lhm858808@163.com第1期江新.等:水下自主机器人水动力预报方法研究51学习算法对输入网络的数据(样本)进行学习,通过连接权值的调整,使网络获得数据中所包含的映射关系,寻找使网络运行结果能最好地符合预期要求的一个连接权值,合适的隐层数量和隐层节点数量可以很好地逼近任意连续函数和非线性映射的能力,能模拟任意的非线性输入输出关系,隐层数量和隐层节点数量的确定依赖于经验和大量反复
6、的测试[4]。Okfa(b)图1BP神经网络与小波神经网络小波神经网络(wNN)是将小波变化理论与神经网络的思想相结合而构造的新的神经网络模型圈,小波变换与神经网络的结合有两种方法:一种是小波变换与神经网络的“串连”形式,信号首先经过小波变换后再将预处理后的信号输人给常规神经网络,这类小波网络常用于模式识别、故障检测等;另一种结合方法是用小波函数代替前馈神经网络的隐层节点函数,网络输人层到隐层的权值和阈值分别由小波函数的尺度参数和平移参数代替,这是一种真正意义上的小波网络,其拓扑结构示意图如图1(b)所示,本文研究使用第二种结合方法,图中p,(戈)(i=1,2,⋯,七)为小波基
7、函数,其替代BP神经网络的隐层神经元作为神经网络的传递函数。本文选择妒(戈)为典型Morlet小波函数,表达式为:‘p(戈)=e手cos(2.25戈)i(1)小波神经网络输入层到隐层的权值和阈值分别由小波函数的尺度参数和平移参数代替,而基函数个数的确定有确定的理论方法【5J,避免了BP神网络结构确定的盲目性,同时小波函数的加人,避免了网络局部极小值的存在,使网络学习算法有了更广的选择。2水下机器人艇体水动力预报的几何模型为描述水下机器人艇体几何外形,一般将水下机器人主体(回转体)看作近似椭球
此文档下载收益归作者所有