【技术实现步骤摘要】
本专利技术涉及信息，尤其是一种面向水下机器人的电池能量回收利用方法。
技术介绍
1、在电池能量回收系统的拓扑设计中，弧线优化指的是通过能量传输理论和流体动力学精确设计和调整能量传输路径中的曲线形态，以减少能量在传输过程中的损耗，提高能量回收效率的过程，能量回收系统的拓扑设计中但存在一个关键的技术矛盾，即弧线优化与结构复杂性之间的平衡，一方面，弧线优化在能量传输过程中扮演着至关重要的角色，通过对传输路径中的弧线进行精心设计和优化，显著减少能量损耗，提高整个系统的能量回收效率，优化后的弧线能够最大限度地减少电能在传输过程中的耗散，确保更多的能量被有效地回收利用；
2、另一方面，过度追求弧线优化却带来拓扑结构复杂性的急剧增加，为了实现理想的弧线，往往需要引入更多的元件和连接，这不可避免地加大了拓扑结构的复杂程度，复杂的拓扑结构不仅增加系统的实现难度，还导致制造成本的上升和可靠性的下降，同时，过于复杂的结构也对系统的维护和故障诊断带来挑战；
3、因此，在拓扑设计中，如何在弧线优化和结构简洁性之间找到一个恰当的平衡点，成为...
【技术保护点】
1.一种面向水下机器人的电池能量回收利用方法，其特征在于：
2.根据权利要求1所述的一种面向水下机器人的电池能量回收利用方法，其特征在于：所述S101步骤使用Hadoop框架中的MapReduce算法对数据进行清洗和标注，在构建水下环境深度信息数字化模型时，采用粒子滤波算法，初始化100个粒子，计算出水下环境的实时深度信息，并使用卡尔曼滤波算法对深度信息进行平滑处理，滤波参数设置为0.8，利用k-means聚类算法对属性参数进行分类，设置聚类数k＝5，迭代次数为100，通过计算每个样本到聚类中心的距离，将样本划分到最近的聚类中。
3.根据权利要...
【技术特征摘要】
1.一种面向水下机器人的电池能量回收利用方法，其特征在于：
2.根据权利要求1所述的一种面向水下机器人的电池能量回收利用方法，其特征在于：所述s101步骤使用hadoop框架中的mapreduce算法对数据进行清洗和标注，在构建水下环境深度信息数字化模型时，采用粒子滤波算法，初始化100个粒子，计算出水下环境的实时深度信息，并使用卡尔曼滤波算法对深度信息进行平滑处理，滤波参数设置为0.8，利用k-means聚类算法对属性参数进行分类，设置聚类数k＝5，迭代次数为100，通过计算每个样本到聚类中心的距离，将样本划分到最近的聚类中。
3.根据权利要求1所述的一种面向水下机器人的电池能量回收利用方法，其特征在于：所述s102步骤采用kruskal算法构建能量回收网络拓扑模型时，首先将网络节点抽象为图的顶点，节点之间的连接关系抽象为图的边，边的权重根据能量损耗、距离因素确定，包括能量损耗权重为0.6，距离权重为0.4，然后按照边的权重从小到大的顺序依次选取，若加入该边不会形成环路，则将其加入最小生成树，直至所有节点都连通为止，最终得到的最小生成树即为能量回收网络的优化拓扑结构。
4.根据权利要求1所述的一种面向水下机器人的电池能量回收利用方法，其特征在于：所述s103步骤采用加权求和法将多个目标转化为单目标问题；采用邻接矩阵表示法，对于一个有n个节点的网络，使用一个n×n的二维矩阵a，若节点i和节点j之间有弧线相连，则a[i][j]＝1，否则a[i][j]＝0，通过dijkstra算法计算任意两个节点之间的最短路径。
5.根据权利要求1所述的一种面向水下机器人的电池能量回收利用方法，其特征在于：所述s104步骤对连续型特征进行最小-最大归一化处理，对离散型特征进行独热编码，将特征向量输入到sigmoid函数中，通过极大似然估计计算模型参数，使用l-bfgs优化算法迭代100次，当对数似然函数的变化量小于0.001时停止迭代，在对弧线复杂度进行评分时，将预测概率大于0.7的弧线划分为复杂弧线，小于...
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。