【技术实现步骤摘要】
本专利技术涉及大型水下航行器的运动控制，更具体的说是涉及基于卷积神经网络的大型水下航行器不均衡量估计方法。
技术介绍
1、大型水下航行器在水下的运动不仅取决于舵力和舵力矩，还受到其他各种水动力和浮力的作用。大型水下航行器在水舱注满水并潜入水下时，并不能保证其受到的重力和浮力完全相等，加之燃料消耗、航速变化、载荷变化等各种不确定因素的影响，也不能保证零纵倾时大型水下航行器的力矩处于平衡状态。当大型水下航行器带有较大不平衡力和力矩时，将给纵倾和深度的控制带来较大影响，通常需要升降舵操一个大舵角进行深度和纵倾控制，这将使得大型水下航行器的航行阻力大幅增加且可用升降舵舵角减小，导致大型水下航行器的机动能力大幅降低。通过大型水下航行器均衡系统进行排注水、移水等操作消除大型水下航行器自身存在的不均衡量，可平衡大型水下航行器在航行过程中存在的不均衡力和力矩，从而使得大型水下航行器回归到一个性能比较稳定的状态。
2、目前，对于大型水下航行器的不均衡量计算是基于均衡公式的，均衡公式是通过一系列的水动力试验所得，与航行速度、纵倾角、升降舵角等相...
【技术保护点】
1.基于卷积神经网络的大型水下航行器不均衡量估计方法，其特征在于，包括线上部分和线下部分；其中：
2.根据权利要求1所述的基于卷积神经网络的大型水下航行器不均衡量估计方法，其特征在于，所述步骤S1具体包括：
3.根据权利要求2所述的基于卷积神经网络的大型水下航行器不均衡量估计方法，其特征在于，所述六自由度运动模型包括轴向力子模型、侧向力子模型、垂向力子模型、横摇力矩子模型、纵倾力矩子模型和偏航力矩子模型。
4.根据权利要求2所述的基于卷积神经网络的大型水下航行器不均衡量估计方法，其特征在于，所述多个状态量包括纵向速度、横向速度、垂向...
【技术特征摘要】
1.基于卷积神经网络的大型水下航行器不均衡量估计方法，其特征在于，包括线上部分和线下部分；其中：
2.根据权利要求1所述的基于卷积神经网络的大型水下航行器不均衡量估计方法，其特征在于，所述步骤s1具体包括：
3.根据权利要求2所述的基于卷积神经网络的大型水下航行器不均衡量估计方法，其特征在于，所述六自由度运动模型包括轴向力子模型、侧向力子模型、垂向力子模型、横摇力矩子模型、纵倾力矩子模型和偏航力矩子模型。
4.根据权利要求2所述的基于卷积神经网络的大型水下航行器不均衡量估计方法，其特征在于，所述多个状态量包括纵向速度、横向速度、垂向速度、横倾角速度、纵倾角速度、偏航角速度、横倾角、纵倾角、首向角、纵向位移、横向位移和垂向位移。
5.根据权利要求4所述的基于卷积神经网络的大型水下航行器不均衡量估计方法，其特征在于，在所...
【专利技术属性】
技术研发人员：廖益欣，彭昊，苏畅，刘浩，赵光，谭盛煌，万心超，
申请(专利权)人：中国船舶集团有限公司第七零七研究所九江分部，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。