[发明专利]基于神经网络的水下仿生侧线水压与水流场信息探测方法

说明书

本发明公开了一种基于神经网络的水下仿生侧线水压与水流场信息探测方法，利用MEMS传感器采集水下水压水流信息，针对不同位置的振动源所对应的水压水流数据建立数据库，通过深度神经网络进行深度学习，训练振动源位置辨别模型，最终利用训练好的模型达到辨识不同振动源位置的效果，实现水下机器人的目标识别定位能力，为民用和军民水下机器人进行海洋探测提供一种新的思路和途径。

技术领域

本发明属于水下环境探索技术领域，具体涉及一种基于深度神经网络的水下仿生侧线水压与水流场信息感知系统的检测方法。

背景技术

近年来，随着各国对海洋领域的不断重视，针对海洋的研究开发以及国防的水上安全建设受到国内外学者的高度重视，其中，水下机器人一种新型的海洋工程装备，在军事及海洋探测、水下调查等方面得到广泛应用。而在这些应用领域中。水下目标的识别定位是其工作的基础和保障，因此一种新型有效的水下信息感知系统亟待开发。

鱼类和两栖动物在水下通过侧线来感知水下各种环境情况，因此通过仿生原理，利用侧线系统进行水下水压水流的感知有重要意义，而目前对侧线管的类神经丘仿生传感器系统的研究较少，该类型的产品也寥寥无几。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于深度神经网络的水下仿生侧线水压与水流场信息感知从而探测振动源位置的方法，通过深度学习的方式识别水下振动源位置。

本发明采用以下技术方案：

基于神经网络的水下仿生侧线水压与水流场信息探测方法，利用MEMS传感器采集水下水压水流信息，针对不同位置的振动源所对应的水压水流数据建立数据库，通过深度神经网络进行深度学习，训练振动源位置辨别模型，最终利用训练好的模型达到辨识不同振动源位置的效果，实现水下机器人的目标识别定位能力。

具体的，包括以下步骤：

S1、按照鱼类仿生学设计流线型的水下机器人，并确定其侧线位置；

S2、沿步骤S1确定的侧线位置布置MEMS传感器；

S3、在水下机器人周围不同位置放置振动源，利用步骤S2布置的MEMS传感器获取不同位置振动源所对应的水压和水流数据；

S4、设计深度神经网络，将步骤S3获取的水压水流数据导入深度神经网络中，训练出具有辨识振动源位置的深度神经网络模型；

S5、利用步骤S4建立的深度神经网络模型推导出振动源位置。

进一步的，步骤S2中，侧线位于水下机器人轴线两侧对称位置，侧线位置上设置有用于安装MEMS传感器的凹坑。

进一步的，MEMS传感器可同时获取水压压力数据和水流流速数据，输出为双通道的频谱信息，且具有防水性能。

进一步的，步骤S3中，不同振动源的不同位置是与水下机器人同一水平面的不同坐标位置。

进一步的，数据库的一种组成方式为：在仿生水下机器人头部前方选择90个不同位置放置振动源，每个位置采集5次水压水流数据，记录不同坐标所对应的水压水流信号，构建450组水压水流数据的数据库。

进一步的，数据库的另一种组成方式为：将水下机器人周围水域划分成36个区域，在每个区域中随机选取10个位置进行水压水流数据采集，同一个区域内的数据试做一组，总共获得36类共360组水压水流数据的数据库。

进一步的，数据库中，随机抽取75％作为深度神经网络的训练数据，15％用于训练时的测试数据，15％用于训练结束后的验证数据。

具体的，步骤S4具体如下：

S401、将步骤S3采集到的水压水流信号频谱数据作为训练样本，确定深度神经网算法的隐层层数；