基于T-S模糊神经网络的仿蝠鲼航行器深度控制方法技术

本发明专利技术涉及一种基于T

【技术实现步骤摘要】
基于T
‑
S模糊神经网络的仿蝠鲼航行器深度控制方法


[0001]本专利技术水下航行器运动控制领域，涉及一种属于仿蝠鲼航行器深度控制的方法，具体来说涉及的是一种基于T
‑
S模糊神经网络的仿蝠鲼航行器深度控制方法。

技术介绍

[0002]水下无人航行器作为海洋科技中不可或缺的一部分，在军事、民用、科技等众多领域发挥着重要的作用。传统的水下航行器主要采用螺旋桨进行推进，但面对日益复杂的任务需求，传统的采用螺旋桨进行推进的航行器暴露出如能耗大、体积大、效率低等诸多的不足。
[0003]仿生科学研究为开发新型水下航行器解决传统航行器的问题提供了一个新思路。仿蝠鲼航行器是一种采用中央鳍/对鳍模式进行推进的新型仿生航行器，具有体积小、噪声小、机动性高等诸多优点。
[0004]仿蝠鲼航行器的深度控制对于航行器的水中作业具有重要的意义。现有的对于水下航行器进行深度控制的方法主要还是针对传统的采用螺旋桨进行推进的航行器。但由于仿蝠鲼航行器和传统航行器在结构和推进机理上的差异，适用于传统航行器的深度控制方法很难直接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于T
‑
S模糊神经网络的仿蝠鲼航行器深度控制方法，其特征在于步骤如下：步骤1：将仿蝠鲼航行器游动过程中不同时刻的深度偏差e
d
、深度偏差率ec
d
，以及对应的尾鳍角度γ，构建T
‑
S模糊神经网络进行训练的训练集与测试集；步骤2：T
‑
S模糊神经网络包括输入层、模糊化层、模糊推理层、归一层和输出层；第一层为输入层并与输入向量连接，将输入值传送到节点，该层的节点数等于输入向量的维数；第二层为模糊化层，其中每个节点代表一个模糊语言变量值，通过隶属度函数计算每个输入属于各语言变量值模糊集合的隶属度；所述隶属度函数：其中，n是输入个数；m
i
是x
i
的模糊分割数；c
ij
是隶属度函数的中心值；σ
ij
是隶属度函数的宽度，c
ij
和σ
ij
均为可调参数；第三层为模糊推理层，其中每个节点代表一条模糊规则，计算每条规则的适应度；所述每条规则的权重α
j
采用乘积法：其中，i1∈{1,2,
…
,m1},i2∈{1,2,
…
,m2},
…
，i
n
∈{1,2,
…
,m

【专利技术属性】
技术研发人员：曹勇，何悦，谢钰，潘光，曹永辉，马淑敏，张代利，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：