基于粒子群优化神经网络的水下链式机器人直航阻力预报 | |
康帅1,2,3; 俞建成1,3; 张进1,3; 金乾隆1,2,3; 胡峰1,3 | |
刊名 | 机械工程学报
![]() |
2019 | |
卷号 | 55期号:21页码:29-39 |
关键词 | 水下链式机器人 神经网络 粒子群算法 阻力预报 |
ISSN号 | 0577-6686 |
其他题名 | Direct Route Drag Prediction of Chain-structured Underwater Vehicle Based on Neural Network Optimized by Particle Swarm Optimization |
产权排序 | 1 |
英文摘要 | 多单体水下机器人串联组成的水下链式机器人具有航行效率高、稳定性能好、搭载能力强等优势,对其直航阻力的精确预报可实现更有效的运动控制和更合理的动力编组。针对由于水下链式机器人各单体间耦合关系复杂及使用计算流体力学分析阻力耗时较长导致无法快速准确进行阻力预报问题,开展了水下链式机器人直航阻力预报研究。利用计算流体力学分析获得大量输入量(单体数量、航速和单体间间距)与输出量(直航阻力)样本数据,使用BP神经网络建立输入量与输出量模型关系,并通过粒子群算法优化神经网络的初始权值和偏差以改善BP神经网络易陷入局部极值点和过拟合等问题。由大量测试样本的预报结果可知:基于粒子群优化的BP神经网络算法比传统BP神经网络算法预报结果更准确,在给定不同速度和间距测试中均方误差分别降低了2.04×10~(–5)和7.40×10~(–6);在5单体水下链式机器人以0.25 m/s~2的加速度做匀加速运动过程中,基于粒子群优化的BP神经网络模型预报结果的平均相对误差为0.42%,精度较高。试验结果说明所提方法是可行且有效的。 |
语种 | 中文 |
CSCD记录号 | CSCD:6628593 |
资助机构 | 国家自然科学基金(U1709202) ; 机器人学国家重点实验室自主课题(2019-Z13) |
内容类型 | 期刊论文 |
源URL | [http://ir.sia.cn/handle/173321/26035] ![]() |
专题 | 海洋机器人卓越创新中心 |
通讯作者 | 张进 |
作者单位 | 1.中国科学院沈阳自动化研究所机器人学国家重点实验室 2.中国科学院大学 3.中国科学院机器人与智能制造创新研究院 |
推荐引用方式 GB/T 7714 | 康帅,俞建成,张进,等. 基于粒子群优化神经网络的水下链式机器人直航阻力预报[J]. 机械工程学报,2019,55(21):29-39. |
APA | 康帅,俞建成,张进,金乾隆,&胡峰.(2019).基于粒子群优化神经网络的水下链式机器人直航阻力预报.机械工程学报,55(21),29-39. |
MLA | 康帅,et al."基于粒子群优化神经网络的水下链式机器人直航阻力预报".机械工程学报 55.21(2019):29-39. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论