申请/专利权人:青岛哈尔滨工程大学创新发展中心
申请日:2024-02-19
公开(公告)日:2024-03-22
公开(公告)号:CN117744540A
主分类号:G06F30/28
分类号:G06F30/28;G06F30/27;G06F30/15;G06F30/23;G06T17/20;G06F18/2132;G06F18/2431;G06F18/214;G06F18/21;G06N3/08;G06N5/01;G06F111/10;G06F113/08;G06F119/14
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明属于数据处理技术领域,具体公开一种水下无人航行器的水下作业水动力特性趋势预测方法。用于水下无人航行器的水动力特性趋势预测,有效解决当前没有满足实际应用的水动力特性趋势预测方法的问题。本发明通过传感器和测量设备,采集与水动力特性相关的数据,通过线性判别分析对数据进行预处理,建立水下无人航行器的水动力特性的计算流体动力学物理模型。再根据计算出的历史数据构建机器学习模型,从而预测水下无人航行器在不同工作条件下的水动力特性趋势。将建立的预测模型和算法应用到水动力趋势预测系统中。通过实时数据交互,实时预测水下无人航行器的水动力特性趋势,并提供给控制系统进行优化控制和决策。
主权项:1.一种水下无人航行器的水下作业水动力特性趋势预测方法,其特征在于,包括以下步骤:S1、创建AUV的几何模型,对几何模型进行网格划分,利用历史数据进行网格无关性验证;S2、通过AUV上搭载的传感器收集流场特性和运动参数,并输入到质量守恒方程、动量守恒方程和能量守恒方程中,确定初始条件,建立AUV水动力特性的CFD物理模型;S3、利用CFD进行流场迭代计算,输出实时的水动力参数计算结果;S4、构建机器学习模型,基于随机森林算法,根据历史数据以及实时计算得到的数据集预测出新的水动力参数;S5、从经步骤S4计算出的数据集中进行有放回抽样,形成多个不同的训练集,对每个训练集构建一个决策树,随机选择特征子集,进行节点划分;S6、重复步骤S5,构建多个决策树,通过将所有决策树的预测值取平均,得到最终的预测值;S7、使用下一时刻作为验证数据评估机器学习模型的性能,并进行调优,使用调优后的机器学习模型对未来的AUV水动力特性进行预测。
全文数据:
权利要求:
百度查询: 青岛哈尔滨工程大学创新发展中心 水下无人航行器的水下作业水动力特性趋势预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。