人I包裹一圈，水流沖擊到壓力傳感器3上會(huì)產(chǎn)生一個(gè)應(yīng)力，進(jìn)而應(yīng)力作用在壓力傳感器3內(nèi)的壓敏電阻上，所以阻抗的變化可以輕松轉(zhuǎn)換為電壓，通過數(shù)模轉(zhuǎn)換將壓力數(shù)據(jù)提取出來。
[0041]在本實(shí)施例中，將水下機(jī)器人I置于流場(chǎng)中，使其感知不同的流速，收集迎面來流作用到水下機(jī)器人I兩邊的壓力傳感器3上的壓力數(shù)據(jù)，為豐富壓力數(shù)據(jù)，該流速可以設(shè)置多種水速，考慮實(shí)驗(yàn)條件和仿真條件，可以選擇三、四種水速，如:0.lm/s，0.2m/s，0.4m/s，0.6m/s，每種情況需要采集等量的、足夠壓力數(shù)據(jù)進(jìn)行存儲(chǔ)。在其它的實(shí)施例中，也可以根據(jù)水下機(jī)器人I將要應(yīng)用的水下環(huán)境，設(shè)定相應(yīng)的水流速度。
[0042]此外，水下機(jī)器人I在同一流場(chǎng)中可以是靜止?fàn)顟B(tài)，也可以是旋轉(zhuǎn)狀態(tài)或勻速前進(jìn)狀態(tài)，而各種狀態(tài)下的壓力數(shù)據(jù)都可以采集并上傳。
[0043]水下機(jī)器人I感應(yīng)的壓力數(shù)據(jù)的獲取及分析，需要在水下機(jī)器人I的內(nèi)部安裝單片機(jī)和無線通訊模塊，水下機(jī)器人I置于水流場(chǎng)內(nèi)后，各獨(dú)立的壓力傳感器3同時(shí)提取水動(dòng)力信息，如當(dāng)不同水流流經(jīng)壓力傳感器3旁時(shí)，每個(gè)單獨(dú)的壓力傳感器3提取到的壓力數(shù)據(jù)整合至單片機(jī)形成一組基礎(chǔ)數(shù)據(jù)組，然后通過無線模塊傳輸至上位機(jī)進(jìn)行存儲(chǔ)，上位機(jī)針對(duì)不同流場(chǎng)的情況將各壓力數(shù)據(jù)進(jìn)行分類存儲(chǔ)，作為離線學(xué)習(xí)的基礎(chǔ)數(shù)據(jù)庫。
[0044]本實(shí)施例中的單片機(jī)選用STM32最小系統(tǒng)核心板，CPU頻率72MHz，定時(shí)器8個(gè)，SPI接口 3個(gè)，IIC接口 2個(gè)。1接口 112個(gè)。單片機(jī)中每個(gè)VDD和VSS之間均接入100 μ F電容，以確保工作穩(wěn)定。由于STM32微控器集成了兩個(gè)IIC接口，支持多主機(jī)多從機(jī)功能。所以可支持整個(gè)通訊系統(tǒng)具有時(shí)序、協(xié)議、仲裁和定時(shí)能力。本實(shí)施例的通訊協(xié)議采用IIC通訊方式，IIC總線是PHLIPS公司推出的一種串行總線，是具備多主機(jī)系統(tǒng)所需的包括總線裁決和高低速器件同步功能的高性能串行總線。在壓力傳感器3設(shè)置時(shí)，需要考慮到IIC通訊協(xié)議傳輸距離。
[0045]步驟40，所述分析中心將所述壓力數(shù)據(jù)導(dǎo)入神經(jīng)網(wǎng)絡(luò)辨識(shí)工具，訓(xùn)練出具備辨識(shí)能力的神經(jīng)網(wǎng)絡(luò)模型；
[0046]機(jī)器學(xué)習(xí)是研究如何利用經(jīng)驗(yàn)來改善控制系統(tǒng)自身性能的一種方式，機(jī)器學(xué)習(xí)的主要方式可劃分為有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)兩類方式，而兩類學(xué)習(xí)方式又包含了許多不同的算法，如集群算法、分類算法、回歸算法等，而上述每個(gè)算法又包括多個(gè)具體的學(xué)習(xí)方式。
[0047]傳統(tǒng)的模式識(shí)別數(shù)據(jù)處理方法有支持向量機(jī)法和神經(jīng)網(wǎng)絡(luò)法。這兩種方式都需要訓(xùn)練樣本是完整的。一個(gè)完整的訓(xùn)練樣本需要正確和錯(cuò)誤的模式同時(shí)存在，分類器需要把訓(xùn)練樣本中錯(cuò)誤的模式識(shí)別出來。當(dāng)新的數(shù)據(jù)樣本拿來時(shí)，需要包含原數(shù)據(jù)的一些樣本來重新訓(xùn)練分類器。
[0048]這些數(shù)據(jù)訓(xùn)練方式需要系統(tǒng)必須存儲(chǔ)所有的訓(xùn)練樣本，且訓(xùn)練時(shí)間需要隨著訓(xùn)練樣本的增加而快速增長(zhǎng)。針對(duì)每種不同的工況，需要足夠多的數(shù)據(jù)進(jìn)行訓(xùn)練和測(cè)試。
[0049]就神經(jīng)網(wǎng)絡(luò)方法被研究這么多年以來，多層感知器(前饋反向傳播)結(jié)構(gòu)是神經(jīng)網(wǎng)絡(luò)中最常用的一類。一個(gè)前饋多層感知網(wǎng)絡(luò)由一個(gè)輸入層(提供模式輸出)和一個(gè)或多個(gè)隱藏層組成。在預(yù)測(cè)階段，每個(gè)壓力傳感器獲取的壓力特征矢量被提供給輸入層，隨后這些特征向量會(huì)反饋到隱藏層。隱藏層的前饋激活會(huì)產(chǎn)生輸出層的激活。這種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是對(duì)神經(jīng)網(wǎng)絡(luò)法有著顯著的影響，是其重要的特點(diǎn)之一。一個(gè)具有三層的神經(jīng)網(wǎng)絡(luò)系統(tǒng)(一隱藏層)能夠高精度的近似于任何有限的非線性函數(shù)。相比具有一個(gè)以上隱藏層的神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以避免不必要的多余計(jì)算。但是為了達(dá)到最高精度的辨識(shí)，隱藏層的個(gè)數(shù)需要進(jìn)行對(duì)比，然后選擇最佳的狀態(tài)。
[0050]分析中心保存的壓力數(shù)據(jù)，包括不同水速下的多組基礎(chǔ)數(shù)據(jù)組，各組基礎(chǔ)數(shù)據(jù)組分類保存，在建立神經(jīng)網(wǎng)絡(luò)模型時(shí)，從每類基礎(chǔ)數(shù)據(jù)組中分別隨機(jī)抽取同樣數(shù)量的基礎(chǔ)數(shù)據(jù)組組成訓(xùn)練神經(jīng)網(wǎng)絡(luò)，以供機(jī)器學(xué)習(xí)。例如，在本實(shí)施例中，建立四種水速的標(biāo)簽，然后每個(gè)標(biāo)簽下有160組基礎(chǔ)數(shù)據(jù)組，再?gòu)拿總€(gè)標(biāo)簽下隨機(jī)抽出50組左右的基礎(chǔ)數(shù)據(jù)組構(gòu)成學(xué)習(xí)數(shù)據(jù)。在學(xué)習(xí)數(shù)據(jù)中，有70%用來訓(xùn)練，15%用來測(cè)試，剩下15%用來驗(yàn)證。為了達(dá)到一個(gè)較高精度的辨識(shí)，隱藏層數(shù)需要提前進(jìn)行對(duì)比。對(duì)于動(dòng)流場(chǎng)情況來說，20層隱藏層可以實(shí)現(xiàn)最高精度的辨識(shí)，經(jīng)過測(cè)試，辨識(shí)精度最高可達(dá)98.7 %。
[0051]對(duì)于水下機(jī)器人I運(yùn)動(dòng)情況的機(jī)器辨識(shí)學(xué)習(xí)，基礎(chǔ)數(shù)據(jù)被分為三類進(jìn)行離線學(xué)習(xí)。第一種是水下機(jī)器人I旋轉(zhuǎn)運(yùn)動(dòng)，第二種是水下機(jī)器人I靜止?fàn)顟B(tài)，第三種是水下機(jī)器人I直線巡航狀態(tài)。具體操作可以是:定義三類標(biāo)簽，每組標(biāo)簽300組基礎(chǔ)數(shù)據(jù)。從三類基礎(chǔ)數(shù)據(jù)中隨機(jī)提取若干基礎(chǔ)數(shù)據(jù)組成120組學(xué)習(xí)數(shù)據(jù)。經(jīng)過MATLAB神經(jīng)網(wǎng)絡(luò)辨識(shí)工具進(jìn)行網(wǎng)絡(luò)訓(xùn)練，同上，取70%用來訓(xùn)練，15%用來測(cè)試，剩下15%用來驗(yàn)證。訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)辨識(shí)精度可以達(dá)到89.2%。
[0052]步驟50，將獲取的水下數(shù)據(jù)導(dǎo)入所述神經(jīng)網(wǎng)絡(luò)模型，即可確定所處位置的流場(chǎng)/運(yùn)動(dòng)狀態(tài)。
[0053]完成機(jī)器學(xué)習(xí)后，安裝該神經(jīng)網(wǎng)絡(luò)模型的水下機(jī)器人1，即可根據(jù)當(dāng)前位置處的水下壓力數(shù)據(jù)，分析出當(dāng)前環(huán)境下的水流流速，為水下導(dǎo)航提供支持。
[0054]至此，本領(lǐng)域技術(shù)人員應(yīng)認(rèn)識(shí)到，雖然本文已詳盡示出和描述了本發(fā)明的多個(gè)示例性實(shí)施例，但是，在不脫離本發(fā)明精神和范圍的情況下，仍可根據(jù)本發(fā)明公開的內(nèi)容直接確定或推導(dǎo)出符合本發(fā)明原理的許多其他變型或修改。因此，本發(fā)明的范圍應(yīng)被理解和認(rèn)定為覆蓋了所有這些其他變型或修改。
【主權(quán)項(xiàng)】
1.一種人工側(cè)線壓力檢測(cè)方法，其特征在于，包括如下步驟: 步驟10，選取流線型的水下機(jī)器人，利用仿真方式確定水下機(jī)器人的壓力跡線； 步驟20，沿所述壓力跡線并繞軸線一圈陣列設(shè)置壓力傳感器； 步驟30，將所述水下機(jī)器人置于不同水流狀態(tài)下，利用各所述壓力傳感器獲取當(dāng)前狀態(tài)下的壓力數(shù)據(jù)，并上傳至分析中心； 步驟40，所述分析中心將所述壓力數(shù)據(jù)導(dǎo)入神經(jīng)網(wǎng)絡(luò)辨識(shí)工具，訓(xùn)練出具備辨識(shí)能力的神經(jīng)網(wǎng)絡(luò)模型； 步驟50，將獲取的水下數(shù)據(jù)導(dǎo)入所述神經(jīng)網(wǎng)絡(luò)模型，即可確定所處位置的流場(chǎng)/運(yùn)動(dòng)狀態(tài)。2.根據(jù)權(quán)利要求1所述的人工側(cè)線壓力檢測(cè)方法，其特征在于， 所述步驟30中的不同水流狀態(tài)包括四種流速依次增加的水速狀態(tài)。3.根據(jù)權(quán)利要求2所述的人工側(cè)線壓力檢測(cè)方法，其特征在于， 同一水流狀態(tài)下，所述水下機(jī)器人包括靜止、勻速和旋轉(zhuǎn)三種行動(dòng)狀態(tài)。4.根據(jù)權(quán)利要求2所述的人工側(cè)線壓力檢測(cè)方法，其特征在于， 每一所述水速狀態(tài)下同一時(shí)刻收集的各所述壓力傳感器獲取的所有壓力數(shù)據(jù)構(gòu)成一組，并獨(dú)立儲(chǔ)存。5.根據(jù)權(quán)利要求1所述的人工側(cè)線壓力檢測(cè)方法，其特征在于， 所述水下機(jī)器人的壓力跡線分別位于其軸線兩側(cè)的對(duì)稱位置。6.根據(jù)權(quán)利要求5所述的人工側(cè)線壓力檢測(cè)方法，其特征在于， 沿所述水下機(jī)器人的壓力跡線設(shè)置有分別安裝每個(gè)所述壓力傳感器的凹坑。7.根據(jù)權(quán)利要求6所述的人工側(cè)線壓力檢測(cè)方法，其特征在于， 所述壓力傳感器沿所述壓力跡線依次排列，且位于軸線兩側(cè)的所述壓力傳感器位置對(duì)稱，兩個(gè)所述壓力傳感器的間距以前一個(gè)所述壓力傳感器對(duì)水流造成的擾動(dòng)不影響后一個(gè)所述壓力傳感器的檢測(cè)為準(zhǔn)。8.根據(jù)權(quán)利要求1所述的人工側(cè)線壓力檢測(cè)方法，其特征在于， 所述步驟40中，構(gòu)成所述神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)，包括在不同流速下所述水下機(jī)器人不同行動(dòng)狀態(tài)時(shí)，各所述壓力傳感器接收的壓力數(shù)據(jù)組構(gòu)成的基礎(chǔ)數(shù)據(jù)組，和由所述基礎(chǔ)數(shù)據(jù)組中隨機(jī)抽取的定量壓力數(shù)據(jù)構(gòu)成的學(xué)習(xí)數(shù)據(jù)組。9.根據(jù)權(quán)利要求8所述的人工側(cè)線壓力檢測(cè)方法，其特征在于， 每一所述基礎(chǔ)數(shù)據(jù)組抽取的定量壓力數(shù)據(jù)為其總數(shù)量的1/3?1/5。10.根據(jù)權(quán)利要求1所述的人工側(cè)線壓力檢測(cè)方法，其特征在于， 所述水下機(jī)器人內(nèi)安裝有接收各所述壓力傳感器的信息的單片機(jī)，和間隔地將所述單片機(jī)收集的數(shù)據(jù)上傳至分析中心的無線發(fā)送模塊。
【專利摘要】本發(fā)明提供了一種人工側(cè)線壓力檢測(cè)方法，包括如下步驟：步驟10，選取流線型的水下機(jī)器人，利用仿真方式確定水下機(jī)器人的壓力跡線；步驟20，沿所述壓力跡線并繞軸線一圈陣列設(shè)置壓力傳感器；步驟30，將所述水下機(jī)器人置于不同水流狀態(tài)下，利用各所述壓力傳感器獲取當(dāng)前狀態(tài)下的壓力數(shù)據(jù)，并上傳至分析中心；步驟40，所述分析中心將所述壓力數(shù)據(jù)導(dǎo)入神經(jīng)網(wǎng)絡(luò)辨識(shí)工具，訓(xùn)練出具備辨識(shí)能力的神經(jīng)網(wǎng)絡(luò)模型；步驟50，將獲取的水下數(shù)據(jù)導(dǎo)入所述神經(jīng)網(wǎng)絡(luò)模型，即可確定所處位置的流場(chǎng)/運(yùn)動(dòng)狀態(tài)。本發(fā)明利用MEMS技術(shù)開發(fā)出一套人工側(cè)線系統(tǒng)，通過系統(tǒng)中傳感器采集到的壓力數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，實(shí)現(xiàn)開發(fā)水下機(jī)器人環(huán)境辨識(shí)的能力。
【IPC分類】G01L9/06
【公開號(hào)】CN105333988
【申請(qǐng)?zhí)枴緾N201510829736
【發(fā)明人】劉貴杰, 宮華耀, 王新寶, 王安逸, 劉鵬
【申請(qǐng)人】中國(guó)海洋大學(xué)
【公開日】2016年2月17日
【申請(qǐng)日】2015年11月25日