一种仿生鱼及基于神经网络的仿生鱼摆动特性预测方法技术

本发明专利技术涉及仿生机器人技术领域，具体涉及是一种仿生鱼及基于神经网络的仿生鱼摆动特性预测方法，通过对仿生机器鱼系统进行动力学分析，借助数学、力学、机械等学科原理来对机器鱼进行建模。采用线性传递函数与非线性系统相结合，传递函数采用MATLAB系统辨识的方法，非线性系统部分通过Dahl方程转化为神经网络动态模型，利用实验数据对其进行训练求解出具体参数值，验证神经网络的正确性，仿真、观察完整模型是否达到预测要求，解决了现有仿生机器鱼尾摆动特性算法大多采用传统的数值算法进行预测，其无法保证能够避免陷入局部极值，同时仅利用被思考问题的输入和输出，缺乏梯度信息，无法适用于非线性、高维即多模态等情况的问题。

【技术实现步骤摘要】

本专利技术涉及仿生机器人，具体涉及是一种仿生鱼及基于神经网络的仿生鱼摆动特性预测方法。

技术介绍

1、水下机器人是人类探索深海远洋的感延伸，随着各国投入越来越大，现在迎来飞速发展，传统水下作业机器人具有明显缺点，首先动力方面采用螺旋桨作为推进器，在水中阻力大，湍流多导致稳定性差，而且爆发力弱从而机动性不强，高能耗、低效率，这都限制了人类对于深海远洋的探索。为了解决传统水下作业机器人的相关问题，服务于重大需求，各国科研工作者致力于寻找具有更高动力性能的结构形式和动力来源。

2、其中仿生机器鱼可以在完全未知水域进行相关研究开展或应用于军队国防建设、民事需求，比如水质优劣检测狭窄空间检测，机器鱼作为一个非常复杂的非线性系统，存在着迟滞性，这就使得将每个输入精准的对应到输出存在很大的困难，因此仿生鱼的位资控制系统要求更高，即对鱼尾摆动特性要进行更精确的预测。

3、现有仿生机器鱼尾摆动特性算法大多采用传统的数值算法进行预测，其无法保证能够避免陷入局部极值，同时仅利用被思考问题的输入和输出，缺乏梯度信息，无法适用于非线性、高维即多模态等情况。<本文档来自技高网...

【技术保护点】

1.一种仿生鱼，其特征在于，包括鱼体(1)和鱼尾，所述鱼体(1)和鱼尾均通过3D打印制得，所述鱼体(1)与鱼尾连接；

2.根据权利要求1所述的一种仿生鱼，其特征在于，所述测量装置(6)包括数据采集卡、激光位移传感器和功率放大器；

3.一种基于神经网络的仿生鱼尾摆动特性预测方法，其特征在于，包括仿生鱼尾非线性摆动部分预测和仿生鱼尾线性摆动部分预测。

4.根据权利要求3所述的一种基于神经网络的仿生鱼尾摆动特性预测方法，其特征在于，当测量装置(6)提供的输入电压频率为0.01-1.5Hz时，通过非线性神经网络对仿生鱼非线性摆动部分预测；</p>

5.根据...

【技术特征摘要】

1.一种仿生鱼，其特征在于，包括鱼体(1)和鱼尾，所述鱼体(1)和鱼尾均通过3d打印制得，所述鱼体(1)与鱼尾连接；

2.根据权利要求1所述的一种仿生鱼，其特征在于，所述测量装置(6)包括数据采集卡、激光位移传感器和功率放大器；

3.一种基于神经网络的仿生鱼尾摆动特性预测方法，其特征在于，包括仿生鱼尾非线性摆动部分预测和仿生鱼尾线性摆动部分预测。

4.根据权利要求3所述的一种基于神经网络的仿生鱼尾摆动特性预测方法，其特征在于，当测量装置(6)提供的输入电压频率为0.01-1.5hz时，通过非线性神经网络对仿生鱼非线性摆动部分预测；

5.根据权利要求4所述的一种基于神经网络的仿生鱼尾摆动特性预测方法，其特征在于，所述仿生鱼尾非线性摆动部分预测包括以下步骤：

6.根据权利要求5所述的一种基于神经网络的仿生鱼尾摆动特性预测方法，其特征在于，所述s1中，定义仿真时间1...

【专利技术属性】
技术研发人员：倪磊，王耿，赵冬梅，杨应洪，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：