[發明專利]一種基于DGRU神經網絡的UUV集群行為識別方法

在審

• 申請號: 201811028694.4
• 申請日: 2018-09-01
• 公開（公告）號: CN109492516A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 王磊;任龍;王鑫;張玲玲;關智允;徐東;孟宇龍;張子迎;李賢;宮思遠
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明為一種基于DGRU神經網絡的UUV集群行為識別方法，屬于深度學習領域；本發明對GRU神經網絡進行改進，提出了防止信息丟失的DGRU神經網絡，并應用DGRU神經網路建立欠驅動UUV集群行為識別模型；本發明包括數據預處理階段、模型訓練階段和模型預測階段，具體包括如下步驟：(1)對UUV集群行為數據集進行數據清洗；(2)利用數據預處理后的數據集訓練DGRU神經網絡，建立UUV集群行為識別模型；(3)獲取當前軟件失效數據并采用(1)中同樣的方法進行數據歸一化處理，然后輸入(2)中獲得的預測模型進行UUV的集群行為識別，得到識別結果；應用該模型可以精確識別欠驅動UUV集群行為的方法，克服了傳統UUV集群性行為識別技術的缺點。

技術領域

本發明屬于深度學習領域，具體涉及一種基于DGRU神經網絡的UUV集群性行為識別 方法。

背景技術

水下無人潛航器UUV是一種主要以潛艇或水面艦船為支援平臺、能長時間在水下自主 遠程進行的智能化裝置，它可以攜帶多種傳感器、專用設備或武器，執行特定的使命和任務， 被視為現代海軍的“力量倍增器”，其軍事用途已經受到世界許多國家的廣泛重視。

隨著新軍事變革的迅猛發展，戰爭無人化成為重要的發展趨勢之一。近幾年來，UUV已 成為世界各國爭相研制的熱點兵器，其作用涵蓋情報收集、水下及水上偵察監視、作戰打擊、 后勤支援等諸多領域，已成為世界各國海軍裝備的一個重要的研究方向。而水下UUV的集 群行為識別能力是反制敵方無人潛航器集群的基礎。

現有的UUV集群性行為識別技術多數以循環神經網絡為基礎。傳統循環神經網絡結構 通常難以訓練，并且參數較多，而且存在梯度消失問題，使得水下UUV的集群行為識別能 力難以提高。隨著近年來人們對循環神經網絡的研究逐漸加深，隨之產生了眾多循環神經網絡的變種結構。其中以基于門結構的長短期記憶LSTM模型對傳統的RNN有較大的改進，隨后有很多知名的變種結構則是在門結構的LSTM基礎上進行衍生。循環神經網絡一個重要的優勢是它可以對輸入數據的歷史信息進行記憶，但是傳統RNN模型中可以記憶的上下 文信息范圍實際上是受到限制的，這主要是因為隱藏層中存儲的參數信息會因為網絡中的連 接呈幾何級數的增長或衰減，從而造成梯度消失的問題。梯度消失使得RNN對于長跨度時間 的數據訓練變得困難，因為時間跨度過長的數據特征會隨著時間而逐漸被新來的數據特征所 淹沒。有研究表明，如果輸入和相關輸出的依賴超過了10個單位時間，傳統RNN就很難學 習到其中的數據特征和依賴關系。門控循環單元GRU神經網絡作為近幾年取得重大突破的網 絡模型，使用了更新門與遺忘門，解決了傳統循環神經網絡梯度消失問題。更新門和遺忘門 這兩個門控向量決定了哪些信息最終能作為門控循環單元的輸出，存儲并過濾信息，能夠保 存長期序列中的信息，且不會隨時間而清除或因為與預測不相關而移除。更新門幫助模型決 定到底要將多少過去的信息傳遞到未來，或到底前一時間步和當前時間步的信息有多少需要 繼續傳遞，遺忘門主要決定了到底有多少過去的信息需要遺忘。但是GRU在過濾過程中會出 現重要信息丟失情況，會導致UUV的集群行為識別能力大大降低。

發明內容

為了克服傳統UUV集群性行為識別技術的缺點，對GRU神經網絡進行改進，提出一種 能增強模型記憶力，防止信息丟失的DGRU神經網絡，并應用DGRU神經網路建立欠驅動UUV集群行為識別模型，應用該模型可以精確識別欠驅動UUV集群行為的方法，本發明提 出了一種基于DGRU神經網絡的UUV集群行為識別方法，包括數據預處理階段、模型訓練階段和模型預測階段，具體包括如下步驟：

(1)數據預處理階段：對UUV集群行為數據集進行數據清洗，處理數據不平衡問題和缺 失值問題；

(2)模型訓練階段：利用數據預處理后的數據集訓練DGRU神經網絡，建立UUV集群行 為識別模型；

(3)模型預測階段：獲取當前軟件失效數據并采用(1)中同樣的方法進行數據歸一化 處理，然后輸入(2)所獲得的預測模型進行UUV的集群行為識別，得到識別結果。