[發明專利]一種基于高斯過程的水下滑翔機系統辨識方法

在審

• 申請號: 202210115273.5
• 申請日: 2022-02-06
• 公開（公告）號: CN114527657A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 高劍;潘光;宋保維;陳依民;張福斌;曹永輝
• 申請（專利權）人: 西北工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 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高斯過程的水下滑翔機系統辨識方法，首先獲取水下滑翔機系統的輸入輸出數據，把數據分為訓練集和驗證集；再根據水下滑翔機系統特性，選擇滿足高斯過程算法的系統模型；之后根據選擇的水下滑翔機系統模型，構造滿足系統模型的輸入輸出數據；確定核函數；并利用訓練集訓練高斯過程模型：選擇合適的最優化方法獲得最優超參數，建立水下滑翔機模型；最后利用學習好的水下滑翔機模型，對水下滑翔機系統新的輸入進行預測。本發明避免了機理建模的復雜性，在數據量較少且帶有觀測噪聲的情況下，對系統輸出做出較好的預測。

技術領域

本發明涉及的是一種采用機器學習辨識系統的方法，更確切地說是一種基于高斯過程的水下滑翔機系統辨識方法。

背景技術

水下滑翔機作為無人無纜潛水器的一種，航行速度不如螺旋槳推進的水下自主航行器，但它由自身凈浮力提供驅動力，具有能耗小、續航能力長、制造成本低、可重 復利用、投放回收方便等優勢，適于大范圍長期的海洋立體監測，能夠長時間不間斷 地進行海洋信息的搜集，海洋探測和科研的范圍從時間和空間上得到了拓展，特別噪 聲小、隱蔽性好等特點使其在軍事上的應用前景無可估量。因此，對于水下滑翔機建 模的研究是非常必要的。

傳統的建模方法是基于牛頓—拉格朗日力學推導出來的數學模型。該數學模型由一系列需要計算的水動力系數組成，以獲得準確的模型。多年來，人們提出了多種計 算水動力系數的方法，大致分為三種：1)試驗法：進行一系列的模型試驗，如旋轉臂 和平面運動力學，這種方法需要大量實驗，周期長，成本也較高；2)計算流體力學 (CFD)：基于模型的物理結構計算系數，這種方法計算量較大，網格劃分方法和邊界 條件對結果有影響，不同的用途，模型結構也有差別，此外，在某些應用中，某些系 數的精度要求在5％以內。因此，系數的可變性和高精度要求，使得計算繁瑣甚至不 可能獲得一個基于物理規則的單一精確的分析系統模型。3)利用觀測器：常用的經典 方法有最小二乘法，擴展卡爾曼濾波等，但這些方法需要用線性化來逼近非線性，而 水下滑翔機系統具有非線性性強，耦合度強的特點，易造成誤差不收斂；其次，這些 方法依賴于系統初值，對觀測數據的異常值較為敏感，易導致辨識數據誤差較大或辨 識精度較低。

機器學習算法不局限于水動力系數的計算，因為它們可以學習作為系統的一部分或整個系統的行為。如神經網絡通過訓練大量數據來調整權重，從而確定模型，但這 種方法需要的數據量多，計算量大。

發明內容

高斯過程(Gaussian Process，GP)作為一種概率非參數多變量模型的使用得到了顯著的發展。GP使用貝葉斯概率理論來做出可能的預測，而不是對觀測數據提供單一 的“最佳擬合”。GP模型在動態系統建模和控制中被廣泛采用，因為它具有在相對較少 的識別數據和噪聲輸出下工作良好的優點。此外，GP可以通過方差函數計算每一步預 測結果的不確定性，并將不確定性代入下一次預測，這為時間序列預測和控制提供了 更廣泛的應用。本發明正是采用GP方法為水下滑翔機建模。

本發明提出一種基于高斯過程給水下滑翔機建模的方法，旨在避免了機理建模的復雜性，在數據量較少且帶有觀測噪聲的情況下，對系統輸出做出較好的預測。

本發明的實現步驟如下：

步驟1：獲取水下滑翔機系統的輸入輸出數據，把數據分為訓練集和驗證集；

步驟2：根據水下滑翔機系統特性，選擇滿足高斯過程算法的系統模型；

步驟3：根據選擇的水下滑翔機系統模型，構造滿足系統模型的輸入輸出數據；

步驟4：確定核函數；

步驟5：利用訓練集訓練高斯過程模型：選擇合適的最優化方法獲得最優超參數，建立水下滑翔機模型；

步驟6：利用學習好的水下滑翔機模型，對水下滑翔機系統新的輸入進行預測。

有益效果