本發(fā)明屬于無人船人工智能領(lǐng)域，具體的說是基于os-elm算法的無人船環(huán)境調(diào)節(jié)方法。

背景技術(shù)：

近年來，人工智能技術(shù)在各領(lǐng)域中的應(yīng)用越來越多，但是受應(yīng)用需求及技術(shù)水平的限制，國內(nèi)無人船的研究進(jìn)展比較緩慢，大多數(shù)無人船都作為無人遙控航行器開發(fā)的，控制方式也大多是遙控方式。因此有必要設(shè)計(jì)一種能準(zhǔn)確識別海洋環(huán)境、周圍目標(biāo)和能準(zhǔn)確判斷無人艇航行狀態(tài)、運(yùn)動(dòng)姿態(tài)的無人船環(huán)境感知系統(tǒng)，輔助無人船進(jìn)行自主決策，由遙控式發(fā)展為智能式。

現(xiàn)如今的大多數(shù)環(huán)境感知方法只是針對外部環(huán)境展開研究，然而在實(shí)際應(yīng)用中并非總是如此，感知外部環(huán)境的同時(shí)還需要時(shí)刻關(guān)注船體自身的動(dòng)態(tài)性能，航行姿態(tài)等內(nèi)環(huán)境，內(nèi)外環(huán)境有機(jī)結(jié)合才能提高船體穩(wěn)定性和識別準(zhǔn)確度。

但是內(nèi)外部環(huán)境感知傳感器接收的數(shù)據(jù)量很大且需快速處理，但相關(guān)的大數(shù)據(jù)處理技術(shù)的研究有待深入。目前已有少部分文獻(xiàn)對無人船數(shù)據(jù)處理算法進(jìn)行研究，但是處理的數(shù)據(jù)大部分是單一結(jié)論，且大多數(shù)算法采用了增加節(jié)點(diǎn)數(shù)量，提高成本來實(shí)現(xiàn)，如基于慣導(dǎo)系統(tǒng)的航行狀態(tài)感知方法、基于小波分析法的mems陀螺去噪研究等。但是如果控制成本，減少節(jié)點(diǎn)數(shù)量時(shí)，運(yùn)算量會(huì)增加，且計(jì)算誤差會(huì)增大，無人船的穩(wěn)定性得不到保證。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題在于，克服現(xiàn)有技術(shù)的不足，提供一種基于os-elm算法的無人船環(huán)境調(diào)節(jié)方法，其既可以同時(shí)研究無人船航行時(shí)的內(nèi)環(huán)境和外環(huán)境，又可以在樣本有限的情況下完成運(yùn)算，且學(xué)習(xí)速度快、運(yùn)算精度高。

本發(fā)明所涉及的一種基于os-elm算法的無人船環(huán)境調(diào)節(jié)方法，包括以下步驟：構(gòu)建無人船的實(shí)驗(yàn)環(huán)境，采集無人船航行數(shù)據(jù)；根據(jù)無人船航行數(shù)據(jù)，行成樣本集；采用os-elm算法對所述樣本集進(jìn)行處理，得到無人船內(nèi)環(huán)境和外環(huán)境的耦合關(guān)系；根據(jù)所述耦合關(guān)系和無人船在實(shí)際航行中所采集的數(shù)據(jù)進(jìn)行匹配，來調(diào)節(jié)在實(shí)際航行中無人船的內(nèi)環(huán)境和外環(huán)境。

進(jìn)一步地，所述構(gòu)建無人船的實(shí)驗(yàn)環(huán)境，具體包括：在無人船上安裝內(nèi)部環(huán)境傳感器和外部環(huán)境傳感器；所述外部環(huán)境傳感器與外部環(huán)境上位機(jī)連接；所述內(nèi)部環(huán)境傳感器通過實(shí)驗(yàn)現(xiàn)場總線與內(nèi)部環(huán)境上位機(jī)連接；所述內(nèi)部環(huán)境上位機(jī)和外部環(huán)境上位機(jī)分別與服務(wù)器相連。

更進(jìn)一步地，所述采用os-elm算法對所述樣本集進(jìn)行處理，具體包括：所述樣本集被傳送至服務(wù)器；隨機(jī)取m％的樣本集中樣本完成os-elm算法的初始階段，得到單層前饋神經(jīng)網(wǎng)絡(luò)的輸出權(quán)重矩陣β的表達(dá)式，所述m％小于50％；隨機(jī)取(1-m％)的樣本集，結(jié)合單層前饋神經(jīng)網(wǎng)絡(luò)的輸出權(quán)重β矩陣的遞推公式，完成os-elm算法的學(xué)習(xí)階段，得到完善后的單層前饋神經(jīng)網(wǎng)絡(luò)的輸出權(quán)重矩陣β。

再進(jìn)一步地，所述隨機(jī)取m％的樣本集中樣本完成os-elm算法的初始階段，具體包括：設(shè)定網(wǎng)絡(luò)隱節(jié)點(diǎn)數(shù)l；隨機(jī)取出所述樣本集n(x，t)中m％的樣本n’(xj，tj)，j＝1、2……n，其中n>>l；隨機(jī)取隱節(jié)點(diǎn)輸入權(quán)值ai和閥值bi，i＝1、2……l；求出隱含層輸出函數(shù)g(ai,bi,x)，從而得到神經(jīng)網(wǎng)絡(luò)的隱含層輸出矩陣h0；求出等價(jià)輸入變量r，從而得到神經(jīng)網(wǎng)絡(luò)的輸出矩陣r。

還進(jìn)一步地，所述求出隱含層輸出函數(shù)g(ai,bi,x)，從而得到神經(jīng)網(wǎng)絡(luò)的隱含層輸出矩陣h0，具體包括：

所述隱含層輸出函數(shù)g(ai,bi,x)的計(jì)算公式為：

g(ai,bi,x)＝g(ai·x+bi)(1)

公式(1)中，其中g(shù)為激活函數(shù)，采用sigmoid函數(shù)求得；ai·x代表隱節(jié)點(diǎn)輸入權(quán)值向量ai和樣本向量x的內(nèi)積；所述隱節(jié)點(diǎn)輸入權(quán)值ai和閥值bi的取值在[-1，1]之間；

所述神經(jīng)網(wǎng)絡(luò)的隱含層輸出矩陣h0的計(jì)算公式為：

公式(2)中，g11……gmn代表隱含層輸出函數(shù)g(ai,bi,x)的不同取值。

又進(jìn)一步地，所述求出等價(jià)輸入變量r，從而得到網(wǎng)絡(luò)的輸出矩陣r，具體包括：

所述等價(jià)輸入變量r的計(jì)算公式為：

r＝t(3)

所述神經(jīng)網(wǎng)絡(luò)的輸出矩陣r的計(jì)算公式為：

公式(4)中，r1…rn0為等價(jià)輸入變量r的不同值。

優(yōu)選地，所述單層前饋神經(jīng)網(wǎng)絡(luò)的輸出權(quán)重矩陣β的表達(dá)式為：

h0β＝r(5)

進(jìn)而得到如下公式：

優(yōu)選地，所述隨機(jī)取(1-m％)的樣本集，結(jié)合單層前饋神經(jīng)網(wǎng)絡(luò)的輸出權(quán)重β矩陣的遞推公式，完成os-elm算法的學(xué)習(xí)階段，具體包括：隨機(jī)取出所述樣本集n(x，t)中除去樣本n’(xj，tj)的其余樣本；將所述其余樣本用于更新隱含層輸出矩陣h0和神經(jīng)網(wǎng)絡(luò)的輸出矩陣r；結(jié)合單層前饋神經(jīng)網(wǎng)絡(luò)的輸出權(quán)重β矩陣的遞推公式，直至所述其余樣本全部取值完畢。

優(yōu)選地，所述遞推公式求解過程為：

公式(9)中，可以由woodbury公式得到：

設(shè)即可得到求解β的遞推公式：

優(yōu)選地，所述無人船內(nèi)環(huán)境和外環(huán)境的耦合關(guān)系為：

公式(12)中其中,xi為無人船實(shí)際航行中的外環(huán)境數(shù)據(jù)，ti為無人船實(shí)際航行中內(nèi)環(huán)境數(shù)據(jù)，βi為輸出權(quán)值矩陣。

本發(fā)明的有益效果在于：

①首次采用os-elm算法應(yīng)用于實(shí)時(shí)處理環(huán)境感知測量數(shù)據(jù)，具有信息處理速度快，性能穩(wěn)定的優(yōu)點(diǎn)。②將無人船外部環(huán)境變量與內(nèi)部環(huán)境變量進(jìn)行結(jié)合處理，深度分析兩者數(shù)據(jù)間的關(guān)系，使無人船對環(huán)境的適應(yīng)能力更強(qiáng)，動(dòng)態(tài)性能更好。③利用os-elm算法學(xué)習(xí)速度快、泛化性能優(yōu)良的特點(diǎn)，可以經(jīng)過多重樣本訓(xùn)練后，即可利用其強(qiáng)大的學(xué)習(xí)能力，對后續(xù)環(huán)境變量進(jìn)行預(yù)測，可大大提高系統(tǒng)的穩(wěn)定性和智能性。

附圖說明

下面將結(jié)合附圖及實(shí)施例對本發(fā)明作進(jìn)一步說明，附圖中：

圖1是本發(fā)明實(shí)施例的流程圖。

具體實(shí)施方式

為了對本發(fā)明的技術(shù)特征、目的和效果有更加清楚的理解，現(xiàn)對照附圖詳細(xì)說明本發(fā)明的具體實(shí)施方式。

如圖1所示，本發(fā)明所述的基于os-elm算法的無人船環(huán)境調(diào)節(jié)方法，包括以下步驟：

101、構(gòu)建無人船的實(shí)驗(yàn)環(huán)境，采集無人船航行數(shù)據(jù)。

在無人船上安裝內(nèi)部環(huán)境傳感器和外部環(huán)境傳感器；

所述外部環(huán)境傳感器與外部環(huán)境上位機(jī)連接；

所述內(nèi)部環(huán)境傳感器通過實(shí)驗(yàn)現(xiàn)場總線與內(nèi)部環(huán)境上位機(jī)連接；

所述內(nèi)部環(huán)境上位機(jī)和外部環(huán)境上位機(jī)分別與服務(wù)器相連。

102、根據(jù)無人船航行數(shù)據(jù)，行成樣本集。

103、采用os-elm算法對所述樣本集進(jìn)行處理，得到無人船內(nèi)環(huán)境和外環(huán)境的耦合關(guān)系；

所述樣本集被傳送至服務(wù)器。

隨機(jī)取m％的樣本集中樣本完成os-elm算法的初始階段，得到單層前饋神經(jīng)網(wǎng)絡(luò)的輸出權(quán)重矩陣β的表達(dá)式，所述m％小于50％。

設(shè)定網(wǎng)絡(luò)隱節(jié)點(diǎn)數(shù)l；

隨機(jī)取出所述樣本集n(x，t)中m％的樣本n’(xj，tj)，j＝1、2……n，其中n>>l；

隨機(jī)取隱節(jié)點(diǎn)輸入權(quán)值ai和閥值bi，i＝1、2……l；

求出隱含層輸出函數(shù)g(ai,bi,x)，從而得到神經(jīng)網(wǎng)絡(luò)的隱含層輸出矩陣h0；

求出等價(jià)輸入變量r，從而得到神經(jīng)網(wǎng)絡(luò)的輸出矩陣r。

所述求出隱含層輸出函數(shù)g(ai,bi,x)，從而得到神經(jīng)網(wǎng)絡(luò)的隱含層輸出矩陣h0，具體包括：

所述隱含層輸出函數(shù)g(ai,bi,x)的計(jì)算公式為：

g(ai,bi,x)＝g(ai·x+bi)(1)

公式(1)中，其中g(shù)為激活函數(shù)，采用sigmoid函數(shù)求得；ai·x代表隱節(jié)點(diǎn)輸入權(quán)值向量ai和樣本向量x的內(nèi)積；所述隱節(jié)點(diǎn)輸入權(quán)值ai和閥值bi的取值在[-1，1]之間；

所述神經(jīng)網(wǎng)絡(luò)的隱含層輸出矩陣h0的計(jì)算公式為：

公式(2)中，g11……gmn代表隱含層輸出函數(shù)g(ai,bi,x)的不同取值。

所述等價(jià)輸入變量r的計(jì)算公式為：

r＝t(3)

所述神經(jīng)網(wǎng)絡(luò)的輸出矩陣r的計(jì)算公式為：

公式(4)中，r1…rn0為等價(jià)輸入變量r的不同值。

所述單層前饋神經(jīng)網(wǎng)絡(luò)的輸出權(quán)重矩陣β的表達(dá)式為：

h0β＝r(5)

進(jìn)而得到如下公式：

隨機(jī)取(1-m％)的樣本集，結(jié)合單層前饋神經(jīng)網(wǎng)絡(luò)的輸出權(quán)重β矩陣的遞推公式，完成os-elm算法的學(xué)習(xí)階段，得到完善后的單層前饋神經(jīng)網(wǎng)絡(luò)的輸出權(quán)重矩陣β。

隨機(jī)取出所述樣本集n(x，t)中除去樣本n’(xj，tj)的其余樣本；

將所述其余樣本用于更新隱含層輸出矩陣h0和神經(jīng)網(wǎng)絡(luò)的輸出矩陣r；

結(jié)合單層前饋神經(jīng)網(wǎng)絡(luò)的輸出權(quán)重β矩陣的遞推公式，直至所述其余樣本全部取值完畢。

所述遞推公式求解過程為：

公式(8)中，可以由woodbury公式得到：

設(shè)即可得到求解β的遞推公式：

104、根據(jù)所述耦合關(guān)系和無人船在實(shí)際航行中所采集的數(shù)據(jù)進(jìn)行匹配，來調(diào)節(jié)在實(shí)際航行中無人船的內(nèi)環(huán)境和外環(huán)境。

所述無人船內(nèi)環(huán)境和外環(huán)境的耦合關(guān)系為：

公式(12)中其中,xi為無人船實(shí)際航行中的外環(huán)境數(shù)據(jù)，ti為無人船實(shí)際航行中內(nèi)環(huán)境數(shù)據(jù)，βi為輸出權(quán)值矩陣。

上面結(jié)合附圖對本發(fā)明的實(shí)施例進(jìn)行了描述，但是本發(fā)明并不局限于上述的具體實(shí)施方式，上述的具體實(shí)施方式僅僅是示意性的，而不是限制性的，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明宗旨和權(quán)利要求所保護(hù)的范圍情況下，還可做出很多形式，這些均屬于本發(fā)明的保護(hù)之內(nèi)。