[發明專利]一種基于深度學習的潛艇抗沉系統

有效

• 申請號: 201811543506.1
• 申請日: 2018-12-17
• 公開（公告）號: CN109711022B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 孫玉山;馬陳飛;張國成;吳新雨;王元慶;張宸鳴;王占緣;唐同澤;于鑫;周天
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06K9/62;G06F111/10
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 鄧宇

1.一種基于深度學習的潛艇抗沉系統，其特征是，包括潛艇仿真試驗平臺、分類單元、深度學習單元、高壓氣控制單元和在線學習單元；

潛艇仿真試驗平臺：搭載潛艇仿真試驗平臺，采集數據；

分類單元：將采集的數據導入分類單元，將破損后潛艇的狀態分為可自救和坐沉；

深度學習單元：將分類單元中可自救的樣本數據進入深度學習單元，實時分析數據，判斷潛艇狀態，并向高壓氣控制單元發出指令；

高壓氣控制單元：對指定艙室吹除壓載水，達到矯正姿態，實現智能抗沉的目的；

在線學習單元：將使用歷史數據構建的基于深度學習的潛艇抗沉系統加入潛艇仿真實驗平臺，使其進行在線學習。

2.根據權利要求1所述的基于深度學習的潛艇抗沉系統，其特征是，所述的潛艇仿真實驗平臺，選定預搭載智能抗沉系統的潛艇，固定坐標系E-ξηζ固定隨潛艇移動，為隨體坐標系，以潛艇的前進方向為x軸，平移方向為y軸，下潛方向為z軸，縱傾方向q繞y軸，橫滾方向p繞x軸，首搖方向r繞z軸，然后通過計算機制造潛艇破損情況，然后得出此時最優的解決方案，收集潛艇的橫傾角縱傾角θ、所處水深h、破損面積s，破損位置w和進水量v歷史信息，作為離線學習樣本。

3.根據權利要求1或2所述的基于深度學習的潛艇抗沉系統，其特征是，所述的分類單元采用多維K近鄰算法對數據進行分類，輸入訓練數據集

通過分類單元輸出各個訓練樣本點所屬的類別：可自救或坐沉。

4.根據權利要求1或2所述的基于深度學習的潛艇抗沉系統，其特征是，所述的深度學習單元，采用長短期記憶網絡(LSTM)，LSTM單元的狀態由輸入門，輸出門和遺忘門控制，三個門分別控制網絡的輸入，輸出，以及細胞單元的狀態；具體是每個時刻LSTM單元接收到輸入信息后，每個門將對不同來源的輸入進行運算，決定輸入信息是否通過；輸入門的輸入經過非線性函數的變換后，與遺忘門處理的記憶單元狀態進行疊加，形成新的記憶單元狀態；最終，記憶單元狀態通過非線性函數的運算和輸出門的動態控制形成LSTM單元的輸出；其中門單元就是一個使用神經網絡和一個按位做乘法的操作，這兩個操作合在一起就是一個門單元，門單元中神經網絡的權重通過訓練過程學習，LSTM依靠門單元讓信息有選擇性地影響循環神經網絡中每個時刻的狀態。

5.根據權利要求3所述的基于深度學習的潛艇抗沉系統，其特征是，所述的深度學習單元，采用長短期記憶網絡(LSTM)，LSTM單元的狀態由輸入門，輸出門和遺忘門控制，三個門分別控制網絡的輸入，輸出，以及細胞單元的狀態；具體是每個時刻LSTM單元接收到輸入信息后，每個門將對不同來源的輸入進行運算，決定輸入信息是否通過；輸入門的輸入經過非線性函數的變換后，與遺忘門處理的記憶單元狀態進行疊加，形成新的記憶單元狀態；最終，記憶單元狀態通過非線性函數的運算和輸出門的動態控制形成LSTM單元的輸出；其中門單元就是一個使用神經網絡和一個按位做乘法的操作，這兩個操作合在一起就是一個門單元，門單元中神經網絡的權重通過訓練過程學習，LSTM依靠門單元讓信息有選擇性地影響循環神經網絡中每個時刻的狀態。

6.根據權利要求1或2所述的基于深度學習的潛艇抗沉系統，其特征是，所述的高壓氣控制單元，根據深度學習單元的訓練結果，自動對潛艇的高壓氣進行控制，當潛艇失事時，吹除相應壓載水艙的壓載水，以此來平衡潛艇，達到抗沉的目的。

7.根據權利要求3所述的基于深度學習的潛艇抗沉系統，其特征是，所述的高壓氣控制單元，根據深度學習單元的訓練結果，自動對潛艇的高壓氣進行控制，當潛艇失事時，吹除相應壓載水艙的壓載水，以此來平衡潛艇，達到抗沉的目的。

8.根據權利要求4所述的基于深度學習的潛艇抗沉系統，其特征是，所述的高壓氣控制單元，根據深度學習單元的訓練結果，自動對潛艇的高壓氣進行控制，當潛艇失事時，吹除相應壓載水艙的壓載水，以此來平衡潛艇，達到抗沉的目的。