原文传递
基于BP神经网络的AUV航迹预测方法研究
| 论文题名： | 基于BP神经网络的AUV航迹预测方法研究 |
| 关键词： | 自主式水下潜器;航迹预测;BP神经网络;灰色理论;时间序列 |
| 摘要： | 航迹预测在自主式水下潜器(Autonomous Underwater Vehicle，简称AUV)航行安全中起到至关重要的作用。AUV在复杂多变的海洋环境中航行，航迹预测是辅助其躲避已知风险的最佳途径。然而，目前航迹预测主要针对航空领域和船舶运行领域，还没有针对AUV航迹预测的有效研究。并且传统的航迹预测多数应用建立运动学或动力学方程的方法，由于海洋环境对AUV运动影响随机性大，导致建立方程过程复杂且难以实现。因此，为了预测AUV航迹，迫切需要准确、可行的预测方法。 本文针对AUV航迹预测的实际应用需求，建立了基于 BP神经网络的预测模型，并应用AUV位置信息及海洋水文要素数据统计信息作为样本数据，实现了对AUV航迹的准确预测。具体研究内容及工作如下： 首先，分析海洋环境要素中海流、潮流与潮汐对AUV航行的影响及 AUV空间运动数学模型，明确采用多变量时间序列方法进行航迹预测，并明确应用海洋再分析数据作为海洋环境预测输入数据，使预测具有可行性。 其次，根据航迹预测对AUV位置样本数据的要求，应用异常数据检验及灰色预测剔除异常值、补充缺失值。为加大海洋环境数据点密度，采用三次样条法对海流、潮流与潮汐数据进行插值。 再次，深入分析 BP神经网络，根据其特点及 AUV航迹预测的实际需要，提出采用主成分分析、学习速率自适应和组合预测的方法改进网络。进而，建立原始模型、组合模型和海洋环境模型三种复杂度递增的预测模型。 最后，本文以数据处理后的实测AUV位置信息及海洋环境再分析数据作为输入样本，利用Matlab完成三种预测模型的仿真，并最终应用海洋环境预测模型实现了AUV航迹的准确预测。 |
| 作者： | 杨淳 |
| 专业： | 控制工程 |
| 导师： | 郝燕玲 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
