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 |