شناسایی مدل سرعت با هدف کاربرد در ناوبری یک رونده زیرسطحی خودگردان به کمک شبکه عصبی NARX
محل انتشار: دوفصلنامه مهندسی دریا، دوره: 19، شماره: 39
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 54
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MARIN-19-39_005
تاریخ نمایه سازی: 29 آبان 1402
چکیده مقاله:
یکی از چالش های ناوبری شناورهای زیرسطحی خودگردان اندازه گیری سرعت حرکت آنهاست. روش معمول برای اندازه گیری سرعت زیرسطحی ها استفاده از حسگر سرعت داپلری است اما استفاده از این حسگر به دلیل قرارگیری در رده حسگرهای گران قیمت و همچنین افزایش زمان و حتی عدم داده برداری به علت عمق زیاد و یا تغییر ناگهانی عمق در برخی موارد امکان پذیر نیست. هدف این مقاله، ارائه روش ارزان قیمت و اقتصادی شناسایی سرعت مبتنی بر شبکه عصبی خودرگرسیون برونی غیرخطی با کمترین تعداد ورودی شبکه عصبی در حرکت دوبعدی شناور می باشد. در الگوریتم پیشنهادی، با حذف ورودی های شبکه عصبی بدست آمده از خروجی حسگرهای ارزان قیمت، خطای اندازه گیری حسگرها از فرایند شناسایی حذف شده و دقت خروجی مدل سرعت بدست آمده بهبود می یابد. در بخش نتایج عملکرد مناسب الگوریتم پیشنهادی، در مقایسه با خروجی حسگر سرعت داپلری بررسی می شود. همچنین نتایج بدست آمده از روش شناسایی مدل دینامیکی به کمک الگوریتم های شناسایی حداقل مربعات و حداقل مربعات بازگشتی، مزیت و کارایی این روش را در شناسایی سرعت حرکت رونده زیرسطحی، تایید می کند.
کلیدواژه ها:
Autonomous Underwater Vehicles ، Model aided navigation ، Velocity model Identification ، NARX ، MLP neural network ، LS ، RLS identification model ، رونده زیرسطحی خودگردان ، ناوبری به کمک مدل ، شناسایی مدل سرعت ، شبکه های عصبی NARX و MLP ، روش های شناسایی پارامتر LS و RLS
نویسندگان
نعمت الله طالبی
Malek-Ashtar university of technology
سید محمد مهدی دهقان
Malek-Ashtar university of technology
محمدتقی ثابت
Malek-Ashtar university of technology
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :