[發明專利]基于OS?ELM算法的無人船環境調節方法

在審

• 申請號: 201710417176.0
• 申請日: 2017-06-06
• 公開（公告）號: CN107330511A
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 趙東明;柳欣;楊田田
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 湖北武漢永嘉專利代理有限公司42102
• 代理人: 張惠玲

1.一種基于OS-ELM算法的無人船環境調節方法，其特征在于，包括以下步驟：

構建無人船的實驗環境，采集無人船航行數據；

根據無人船航行數據，行成樣本集；

采用OS-ELM算法對所述樣本集進行處理，得到無人船內環境和外環境的耦合關系；

根據所述耦合關系和無人船在實際航行中所采集的數據進行匹配，來調節在實際航行中無人船的內環境和外環境。

2.根據權利要求1所述的基于OS-ELM算法的無人船環境調節方法，其特征在于，所述構建無人船的實驗環境，具體包括：

在無人船上安裝內部環境傳感器和外部環境傳感器；

所述外部環境傳感器與外部環境上位機連接；

所述內部環境傳感器通過實驗現場總線與內部環境上位機連接；

所述內部環境上位機和外部環境上位機分別與服務器相連。

3.根據權利要求1所述的基于OS-ELM算法的無人船環境調節方法，其特征在于，所述采用OS-ELM算法對所述樣本集進行處理，具體包括：

所述樣本集被傳送至服務器；

隨機取m％的樣本集中樣本完成OS-ELM算法的初始階段，得到單層前饋神經網絡的輸出權重矩陣β的表達式，所述m％小于50％；

隨機取(1-m％)的樣本集，結合單層前饋神經網絡的輸出權重β矩陣的遞推公式，完成OS-ELM算法的學習階段，得到完善后的單層前饋神經網絡的輸出權重矩陣β。

4.根據權利要求3所述的基于OS-ELM算法的無人船環境調節方法，其特征在于，所述隨機取m％的樣本集中樣本完成OS-ELM算法的初始階段，具體包括：

設定網絡隱節點數L；

隨機取出所述樣本集N(x，t)中m％的樣本N’(x_j，t_j)，j＝1、2……n，其中n>>L；

隨機取隱節點輸入權值a_i和閥值b_i，i＝1、2……L；

求出隱含層輸出函數G(a_i,b_i,x)，從而得到神經網絡的隱含層輸出矩陣H₀；

求出等價輸入變量r，從而得到神經網絡的輸出矩陣R。

5.根據權利要求4所述的基于OS-ELM算法的無人船環境調節方法，其特征在于，所述求出隱含層輸出函數G(a_i,b_i,x)，從而得到神經網絡的隱含層輸出矩陣H₀，具體包括：

所述隱含層輸出函數G(a_i,b_i,x)的計算公式為：

G(a_i,b_i,x)＝g(a_i·x+b_i) (1)

公式(1)中，其中g為激活函數，采用Sigmoid函數求得；a_i·x代表隱節點輸入權值向量a_i和樣本向量x的內積；所述隱節點輸入權值a_i和閥值b_i的取值在[-1，1]之間；

所述神經網絡的隱含層輸出矩陣H₀的計算公式為：

公式(2)中，g₁₁……g_mn代表隱含層輸出函數G(a_i,b_i,x)的不同取值。