[发明专利]基于人工侧线的仿生机器鱼近壁面流场识别方法及系统

说明书

本发明涉及一种基于人工侧线的仿生机器鱼近壁面流场识别方法及系统，包括以下步骤：在仿生机器鱼上配置多个压力传感器，通过多个压力传感器采集压力数据；依据压力数据，采用多层前馈神经网络构建来流速度的预测回归模型和靠壁距离的预测回归模型；采用均方误差和决定系数对来流速度的预测回归模型进行评估，获得最优的来流速度的预测回归模型；采用均方误差和决定系数对靠壁距离的预测回归模型进行评估，获得最优的靠壁距离的预测回归模型。其能够对近壁面流场进行识别，实现了仿生机器鱼近壁面游动的来流速度和靠壁距离预测，为水下复杂非结构环境感知提供了一种新思路。

技术领域

本发明涉及仿生机器鱼技术领域，尤其是指一种基于人工侧线的仿生机器鱼近壁面流场识别方法及系统。

背景技术

随着人类对海洋开发的深入，面临的水下作业环境也愈发险恶。自主水下机器人(AUV)作为海洋探测的重要工具，对其性能也提出了更高的要求。传统的水下机器人因采用螺旋桨推进存在效率低、噪声大、机动性差等缺陷，已无法适应日益发展的水下作业要求。近年来，受鱼类优越的游动性能启发，科研人员对鱼类的游动机理进行了深入的研究，模仿并研发了各类高性能的仿生水下机器人。作为自主水下作业装备，仿生机器鱼需要对周围流场环境进行有效的感知和识别。然而，受水质浑浊度和复杂非结构的水下地形环境影响，传统的光学成像和声呐探测技术应用受到限制，严重制约了仿生水下机器人的作业能力。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中水下机器人作业困难，传统的光学成像和声呐探测技术应用受到限制的技术缺陷。

为解决上述技术问题，本发明提供了一种基于人工侧线的仿生机器鱼近壁面流场识别方法，包括以下步骤：

S1、在仿生机器鱼上配置多个压力传感器，通过多个压力传感器采集压力数据；

S2、依据压力数据，采用多层前馈神经网络构建来流速度的预测回归模型和靠壁距离的预测回归模型；

S3、采用均方误差和决定系数对来流速度的预测回归模型进行评估，获得最优的来流速度的预测回归模型；

采用均方误差和决定系数对靠壁距离的预测回归模型进行评估，获得最优的靠壁距离的预测回归模型。

作为优选的，所述步骤三之后还包括：

对多个压力传感器在不同靠壁距离和来流速度下采集并处理得到的压强系数求方差，获得压强系数方差曲线；

依据压强系数方差曲线，采用特征变量逐步消除法对输入数据特征进行缩减，优化特征集。

作为优选的，所述S1包括：

在仿生机器鱼的头部配置压力传感器，沿仿生机器鱼的体长方向均匀配置压力传感器组；

通过多个压力传感器采集压力数据，获得整体压力数据集，其中，所述整体压力数据集包括仿生机器鱼头部的压力传感器采集的压力数据和仿生机器鱼体长方向的压力传感器组采集的压力数据；

对仿生机器鱼头部的压力传感器采集的压力数据取均值，对仿生机器鱼体长方向的压力传感器组采集的压力数据求和并取均值。

作为优选的，所述S1还包括：

对压力传感器采集的压力数据进行无量纲化处理，获得归一化压强系数。

作为优选的，所述S2中，多层前馈神经网络的结构参数包括输入数据特征数量、隐藏层数量、隐藏层神经元数量以及隐藏层和输出层的激活函数选择。

作为优选的，采用ReLU函数作为多层前馈神经网络的隐藏层激活函数，所述多层前馈神经网络输出层采用线性激活函数。

作为优选的，所述S2中还包括：

获取优化的神经网络结构，具体的：