[发明专利]一种基于海洋环境信息的自主式水下潜器航迹预测方法

说明书

技术领域

本发明属于自主式水下潜器航迹预测领域，尤其涉及一种基于海洋环境信息的自主式水下潜器航迹预测方法。

背景技术

自主式水下潜器(Autonomous Underwater Vehicle，简称AUV)是完成各种水下智能作业任务的重要工具，面对海洋开发事业的迅速发展和世界军事的迫切需求，AUV得到了长足的发展与广泛的应用。由于海洋环境复杂，为了使AUV在受到突发因素干扰时具备躲避有害物的能力，就需要其能够掌握当前航行态势、预知航行轨迹，而解决该问题最有效的方法就是进行航迹的预测。

航迹预测最早应用于航空领域，根据飞机状态、飞行员和管制员的意图、气象信息以及飞行器性能的计算机模型来对飞机的未来运动状态做出预测。在民用航空飞机领域，多应用飞行器建模的方式对航迹的预测。融合飞行器性能模型，大气环境模型，航路模型与飞行器状态后建立航迹预测数学模型对航迹进行预测。直升机航迹预测由于数据点较少，且不同个体受力情况差异较大，建立数学模型的方法不具有广泛的应用价值。直升机航迹预测多应用卡尔曼滤波、灰色预测模型方式。随着航运的大力发展，船舶航迹预测也得到了充分重视。船舶航迹预测方法可以分为两大类：建立船舶动力学模型，进行航迹模拟；基于BP神经网络、支持向量机等估计算法的无参数方法，Simsir等提出基于人工神经网络的船舶航迹预测，谭伟等提出神经网络结合遗传算法用于航迹预测，王艳锋等提出基于支持向量机算法的桥区水域失控船舶的航迹预测。

发明内容

本发明的目的是提供一种利用BP神经网络进行航迹预测，具有高预测精度的基于海洋环境信息的自主式水下潜器航迹预测方法。

本发明一种基于海洋环境信息的自主式水下潜器航迹预测方法，实时采集AUV当前的航迹数据，航迹数据包括AUV的经度、纬度、深度、航速和航向，以及潮流、潮汐和海流数据，将AUV当前的航迹数据输入到AUV航迹预测模型进行预测，得到AUV的预测航迹；所述的AUV航迹预测模型进行预测的建立过程为：

步骤一：形成AUV航迹预测模型的训练样本，训练样本中的输入数据为先验的AUV的经度、纬度、深度、航速和航向，以及潮流、潮汐和海流数据，输出数据为先验的AUV的经度、纬度和深度数据；

步骤二：对输入数据主成分分析，得到简化的输入数据；

步骤三：确定计算参数，建立BP神经网络的AUV航迹预测模型；

步骤四：对得到的简化的输入数据进行BP神经网络训练，得到AUV航迹预测模型各层的权值和阈值。

本发明一种基于海洋环境信息的自主式水下潜器航迹预测方法还可以包括：

1、输入数据对应的每个样本点包括的信息为：

其中，Hour,Min,Sec分别为样本点的时间，即时、分、秒，Lon,Lat,Depth分别为样本点的经度、纬度和深度，Course,Speed分别为样本点的自主式水下潜器的航向和航速，Course_OC,Speed_OC分别为样本点海流的流向和流速，Course_TI，Speed_TI分别为样本点潮流的流向和流速，Tide分别为该样本点的潮汐高度，

输出数据的每个样本点包括：

＜Hour,Min,Sec,Lon,Lat,Depth＞

其中，Hour,Min,Sec分别为输出样本点的时间，即时、分、秒；Lon,Lat,Depth分别为输入样本点的自主式水下潜器的经度、纬度和深度。

2、对输入数据主成分分析，得到简化的输入数据的过程为：

(1)建立原始数据矩阵

输入数据为经度、纬度、深度、AUV航速、AUV航向、海流流速与流向、潮流流速与流向和潮汐这10类200样本点数据，根据输入数据格式，建立输入数据原始矩阵，矩阵如下：