[發明專利]一種基于VMD-SSA-LSSVM的水下滑翔機深平均流預測方法

有效

• 申請號: 202111065282.X
• 申請日: 2021-09-12
• 公開（公告）號: CN113792486B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 彭星光;胡浩;冀海軍;宋保維;潘光;張福斌;高劍;李樂;張立川
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/28;G06F30/15;G06K9/62;G06N3/00;G06F113/08
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 高凌君

本發明提出一種基于VMD?SSA?LSSVM的水下滑翔機深平均流預測方法，首先將原始深平均流數據看作時間序列，用前若干個剖面的深平均流歷史數據作為樣本，預測AUG下一剖面的深平均流。當AUG滑行下一剖面得到真實的深平均流時，將真實的深平均流再累加到時間序列中。利用LSSVM方法對各子時間序列分別進行預測，然后再將各預測結果疊加即可得到下一剖面的深平均流。另外，為了提高算法的魯棒性，引入麻雀搜索算法優化LSSVM方法中的正則化因子和松弛變量，提高算法在復雜洋流環境下的預測效果。

技術領域

本發明屬于水下滑翔機控制技術領域，具體涉及一種基于VMD-SSA-LSSVM的水下滑翔機深平均流預測方法。

背景技術

自主式水下滑翔機(Autonomous Underwater Glider,以下簡稱AUG)是一種由凈浮力驅動的水下航行器，因其造價低廉、維護成本低、耗能少、航程長等優點，被廣泛地運用在水文探測，海洋觀測，抵近偵察等方面。AUG依靠凈浮力驅動，在水中通過調節浮力完成上下滑翔運動，呈現出“鋸齒狀”的運動方式。AUG的航行速度很小，其運動易受洋流的影響。另外，“鋸齒狀”運動方式意味著AUG在運動過程中要經歷多個深度的洋流，而不同深度的洋流大小方向往往不同，這給路徑規劃帶來了挑戰，學界一般采用“深平均流”來解決此問題。

深平均流描述了一定區域內洋流在不同深度下水平方向的平均值，其反映了該區域的綜合洋流信息。采用深平均流可以預測洋流對AUG運動過程中產生的影響，對AUG的導航控制、路徑規劃和推演預測有重要意義。AUG為了節能以提高航程，往往不攜帶測流設備，無法通過實時洋流數據修正航行。因此，工程上多數仍采用上一周期的深平均流來直接指導下一周期AUG的運動，這顯然會帶來較大誤差。為了提高深平均流預測的準確性，希望有一種簡單，可靠的深平均流預測方法。

目前，深平均流預測方法主要有插值法、構建海洋模型法等。插值法原理簡單易于實現，但對于復雜流場無能為力，往往會丟失關鍵信息；海洋模型法需要預先對一定區域的洋流進行建模，采用構建的模型進行預測，該種方法對突發情況的預測效果較差。

有學者提出可采用時間序列預測法對深平均流進行預測，時間序列預測法可對下一剖面或幾剖面的深平均流進行預測，理論上有較高的預測精度。但目前的時間序列預測法都還處于理論研究階段，在實際應用過程中結果準確性仍有不足。

發明內容

針對現有技術存在的問題，提高深平均流預測的準確性，本發明提出一種基于VMD-SSA-LSSVM的水下滑翔機深平均流預測方法，能夠利用AUG獲得的歷史深平均流數據預測AUG下一剖面的深平均流。該方法首先將原始深平均流數據看作時間序列，用前若干個剖面的深平均流歷史數據作為樣本，預測AUG下一剖面的深平均流。當AUG滑行下一剖面得到真實的深平均流時，將真實的深平均流再累加到時間序列中。最小二乘支持向量機(LeastSquares Support Vector Machine，以下簡稱LSSVM)是一種機器學習方法，模型泛化能力強且對于非線性和小樣本數據具有較好的預測效果，該方法可有效預測深平均流時間序列。AUG滑翔一個剖面往往需要數小時，一次試驗收集的樣本量有限，需要對原始數據進行特殊處理。采用變分模態分解(Variational Mode Decomposition，以下簡稱VMD)處理方式，可將原始深平均流時間序列分解為多個子時間序列，能減少原始深平均流時間序列中的噪聲，提高預測精度。利用LSSVM方法對各子時間序列分別進行預測，然后再將各預測結果疊加即可得到下一剖面的深平均流。另外，為了提高算法的魯棒性，引入麻雀搜索算法(Sparrow Search algorithm，以下簡稱SSA)優化LSSVM方法中的正則化因子和松弛變量，提高算法在復雜洋流環境下的預測效果。

本發明的技術方案為：

所述一種水下滑翔機深平均流預測方法，包括以下步驟：

步驟1：建立精簡深平均流計算模型，并根據精簡深平均流計算模型得到AUG每個滑翔剖面的真實深平均流大小以及方向；