UUV导航中基于样本熵和IFOA-GRNN的DVL信号失真重构
需积分: 10 30 浏览量
更新于2024-08-10
收藏 1.23MB PDF 举报
"该文提出了一种基于样本熵和改进果蝇优化算法(IFOA)的广义回归神经网络(GrNN)方法,用于重构水下无人航行器(UUV)多普勒计程仪(DVL)的信号失真。通过增强FOA的局部搜索能力和避免局部最优,IFOA优化了GRNN的参数,从而更准确地估计UUV的速度。同时,通过计算DVL输出信号的样本熵来监测设备的工作状态,并结合海流估计来校正因海流干扰导致的信号失真。仿真试验表明,这种方法在DVL失真情况下能有效支持UUV的应急导航。"
这篇论文主要涉及以下几个IT知识点:
1. 水下无人航行器 (UUV): UUV是一种无需人为操控,能在水下自主或远程控制运行的高科技装备。在水下探索、海洋科学研究、军事任务等领域有广泛应用。UUV依赖各种传感器,如多普勒计程仪(DVL),进行导航和定位。
2. 多普勒计程仪 (DVL): DVL是一种利用多普勒效应测量水下航行器速度的传感器。它发射声波脉冲并接收反射回来的信号,通过分析信号频率的变化计算出UUV相对于水的速度。但在复杂磁场干扰下,DVL的信号可能会失真,影响航行精度。
3. 传感器故障重构: 当DVL等关键传感器出现失真时,需要重构其信号以恢复准确的测量信息。文中提出的算法就是针对这一需求设计的。
4. 样本熵 (Sample Entropy): 是一种衡量时间序列复杂性和自相似性的统计指标,常用于检测信号的稳定性。在本研究中,样本熵被用来实时评估DVL信号的失真程度,以便及时发现异常状态。
5. 广义回归神经网络 (GRNN): 是一种非线性预测模型,通过核函数逼近输入和输出之间的关系。GRNN在训练时只需要一次学习过程,具有快速收敛和良好的泛化能力。
6. 改进果蝇优化算法 (IFOA): 基于生物进化策略的优化算法,通过模仿果蝇寻找食物的行为进行全局搜索。在本文中,IFOA被用来优化GRNN的参数,提高模型对DVL信号失真重构的精确度。
7. 海流估计: 在UUV航行过程中,海流会对DVL的测量造成干扰。通过估计和修正海流的影响,可以提高UUV导航的准确性。
该研究的贡献在于提出了一种结合样本熵和IFOA-GRNN的新方法,有效应对DVL信号失真问题,提高了UUV在复杂环境下的自主导航能力。通过仿真试验验证了方法的有效性,为水下航行器的可靠导航提供了新的解决方案。
2021-08-27 上传
2022-10-26 上传
2023-12-22 上传
2023-02-21 上传
2023-05-15 上传
2023-04-12 上传
2023-07-09 上传
2023-05-24 上传
2023-08-23 上传
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
weixin_38603924
- 粉丝: 9
- 资源: 892
最新资源
- 解决Eclipse配置与导入Java工程常见问题
- 真空发生器:工作原理与抽吸性能分析
- 爱立信RBS6201开站流程详解
- 电脑开机声音解析:故障诊断指南
- JAVA实现贪吃蛇游戏
- 模糊神经网络实现与自学习能力探索
- PID型模糊神经网络控制器设计与学习算法
- 模糊神经网络在自适应PID控制器中的应用
- C++实现的学生成绩管理系统设计
- 802.1D STP 实现与优化:二层交换机中的生成树协议
- 解决Windows无法完成SD卡格式化的九种方法
- 软件测试方法:Beta与Alpha测试详解
- 软件测试周期详解:从需求分析到维护测试
- CMMI模型详解:软件企业能力提升的关键
- 移动Web开发框架选择:jQueryMobile、jQTouch、SenchaTouch对比
- Java程序设计试题与复习指南