[發明專利]基于神經網絡算法的水下航行器均衡潛浮模型評估方法

有效

• 申請號: 201710452977.0
• 申請日: 2017-06-15
• 公開（公告）號: CN107292015B
• 公開（公告）日: 2020-09-01
• 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: G06F30/15
• 分類號: G06F30/15;G06F30/27
• 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

1.一種基于神經網絡算法的水下航行器均衡潛浮模型仿真評估方法，其特征在于，包括以下步驟：

設定多種工況下的輸入參數，對水下航行器均衡潛浮模型的數學模型進行試驗；

當所述潛浮模型達到設定狀態時，記錄各項輸入輸出參數作為一個樣本集；

利用神經網絡算法對所述樣本集進行數值分析，得到所述數學模型與理想值之間的誤差系數；

若所述誤差系數在規定范圍內，則用所述誤差系數來評估所述潛浮模型；

所述數值分析，具體包括：

設有樣本集：(X_m，y_m)，m＝1～M；

求最佳參數δ_a，使得風險函數R_emp(δ)達到最小值；

將δ_a和最小值R_emp作為權向量和閾值參數，計算得到所述誤差系數；

所述R_emp(δ)表達式為：

2.根據權利要求1所述的基于神經網絡算法的水下航行器均衡潛浮模型仿真評估方法，其特征在于，

若所述誤差系數超出規定范圍，則改變輸入參數，將改變后的輸入參數代入所述數學模型重新進行試驗；

當所述潛浮模型達到設定狀態時，記錄改變后的輸入輸出參數作為一個新的樣本集；

利用神經網絡算法對所述新的樣本集進行數值分析，得到所述數學模型與理想值之間的新的誤差系數；

利用加權算法對所述新的誤差系數進行校正，得到校正后的誤差系數；

利用所述校正后的誤差系數來評估所述潛浮模型。

3.根據權利要求2所述的基于神經網絡算法的水下航行器均衡潛浮模型仿真評估方法，其特征在于，

所述求最佳參數δ_a，使得風險函數R_emp(δ)達到最小值，包括：

加入最陡降算法和迭代算法；

根據所述最陡降算法和迭代算法得到δ_a和最小值R_emp。

4.根據權利要求3所述的基于神經網絡算法的水下航行器均衡潛浮模型仿真評估方法，其特征在于，所述加入最陡降算法和迭代算法的計算公式為：

δ(k+1)＝δ(k)+Δδ(k) (2)

5.根據權利要求4所述的基于神經網絡算法的水下航行器均衡潛浮模型仿真評估方法，其特征在于，

所述根據所述最陡降算法和迭代算法得到最佳參數δ_a和最小值R_emp，具體包括：

令a取值，使得||Δδ(k)||＜＜1，則有：

R_emp(δ(k+1))＝R_emp(δ(k))+ΔR_emp(δ(k)) (4)

由公式(4)可知，R_emp(δ(k))隨著k的增加而下降，所述δ(k)趨向于R_emp(δ)的一個局部極小點；

取所述局部極小點對應的δ_emp(δ)為最佳參數δ_a。

6.根據權利要求5所述的基于神經網絡算法的水下航行器均衡潛浮模型仿真評估方法，其特征在于，

將δ_a和最小值R_emp作為權向量和閾值參數，計算得到所述誤差系數，具體包括：

將δ_a和最小值R_emp作為權向量和閾值參數，代入下列公式：

公式(5)和公式(6)中，表示第l層的第i個輸出值，即為誤差系數；X^l-1表示第l-1層的輸出值；表示第l層的第i個輸入值。

7.根據權利要求6所述的基于神經網絡算法的水下航行器均衡潛浮模型仿真評估方法，其特征在于，