机器学习在路径跟踪误差分析中的应用

发布时间：2021-03-08 03:43

　　为了提高无人驾驶船舶的控制精度,使无人驾驶船能够更好地完成探测任务,有必要对无人驾驶船舶的路径误差与控制进行研究。本文介绍了一种神经网络机器算法,基于该神经网络控制算法,设计了一种无人驾驶船舶路径跟踪与误差控制系统,取得了良好的效果。 

【文章来源】：舰船科学技术. 2020,42(08)北大核心

【文章页数】：3 页

【部分图文】：

无人驾驶船的运动坐标系图Fig.1Motioncoordinatesystemdiagramofunmannedvessel

的位置信息、航行状态信息等，由于采集过程中存在着设备误差，信号传输误差等干扰因素，本文设计了一种非线性估计滤波器，实现对无人驾驶船舶的状态信息过滤。本文采用的非线性估计滤波器电路图如图3所示。建立非线性滤波器的数学模型为：˙ξ=Amξ+k0y0，˙S=k1(ψ)+k2y，M˙v=Dv+k1T(ψ)+k3y，y=k4+C0ξ。图1无人驾驶船的运动坐标系图Fig.1Motioncoordinatesystemdiagramofunmannedvessel图2自适应神经网络算法的神经元模型Fig.2Neuralmodelofadaptiveneuralnetworkalgorithm图3非线性估计滤波器电路图Fig.3Circuitdiagramofnonlinearestimationfilter第42卷董晨，等：机器学习在路径跟踪误差分析中的应用·23·

纳杓屏艘恢址窍咝怨兰?滤波器，实现对无人驾驶船舶的状态信息过滤。本文采用的非线性估计滤波器电路图如图3所示。建立非线性滤波器的数学模型为：˙ξ=Amξ+k0y0，˙S=k1(ψ)+k2y，M˙v=Dv+k1T(ψ)+k3y，y=k4+C0ξ。图1无人驾驶船的运动坐标系图Fig.1Motioncoordinatesystemdiagramofunmannedvessel图2自适应神经网络算法的神经元模型Fig.2Neuralmodelofadaptiveneuralnetworkalgorithm图3非线性估计滤波器电路图Fig.3Circuitdiagramofnonlinearestimationfilter第42卷董晨，等：机器学习在路径跟踪误差分析中的应用·23·

【参考文献】：
期刊论文
[1]基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型[J]. 李静,徐路路.  现代情报. 2019(04)
[2]关于支持向量机的分类优化算法研究[J]. 汪慧玲.  科技创新导报. 2019(07)
[3]卷积神经网络在无人驾驶感知技术上的应用[J]. 刘新磊,赵星洋,王琪琛.  机械研究与应用. 2019(01)
[4]具有机器学习能力的智能车间调度系统[J]. 龚宇,熊光楞.  高技术通讯. 1996(06)



本文编号：3070348