基于模糊多输出最小二乘支持向量机的DVL建模方法技术

本发明专利技术公开了一种基于模糊多输出最小二乘支持向量机的DVL建模方法，包括：将单输出最小二乘支持向量机模型扩展到多输出最小二乘支持向量机模型，可应用于多维输出预测模型；考虑了载体机动对多普勒计程仪预测模型的影响，将动态姿态角扩充到预测模型样本中，提高多普勒计程仪预测模型在大机动条件下的适应性；利用模糊隶属度函数来模糊化输入样本，借助样本之间的约束关系自适应调整模糊隶属度函数，克服了对于孤立点过分敏感而带来的过拟合问题；基于FMLS

【技术实现步骤摘要】
基于模糊多输出最小二乘支持向量机的DVL建模方法


[0001]本专利技术涉及惯性导航及组合导航
，特别涉及一种基于模糊多输出最小二乘支持向量机的DVL建模方法。

技术介绍

[0002]水下工作环境的特殊性使得SINS/DVL组合导航发展迅速。捷联惯导系统具有良好的自主性和隐蔽性，但速度和位置会随时间发散。DVL提供的高精度速度信息能够很好地抑制惯性导航系统的累积误差。由于DVL需要接收外界的反射波束，受水下地形、海洋生物和航行器复杂运动等情况下会出现DVL数据失效，从而导致滤波器无法获得可靠的外部速度信息。因此，如何处理DVL故障对于水下组合导航系统至关重要。
[0003]当DVL发生故障时，常规情况为对DVL故障数据进行剔除，而单纯依靠惯性导航系统将产生较大的误差，无法保证系统在失效期间的定位精度。为了解决这一问题，可以通过软件预测的方法替代DVL故障数据，在DVL短时失效期间保证组合导航系统的精度，因此对DVL失效的速度测量值进行准确预测是非常必要的。
[0004]受智能学习算法的启发，可以在不需要任何先验信息的情况下解决传感器故障，本专利技术将最小二乘支持向量机引入到DVL预测模型中，最小二乘支持向量机适用于大规模的训练样本，将标准支持向量机中的不等式约束如公式转化为等式约束，极大的降低了计算的复杂度。尽管如此，过度拟合的风险严重影响了模型的泛化能力。由于DVL速度信息式三维的，需将单输出最小二乘支持向量机扩展为多输出最小二乘支持向量机，同时以模糊隶属度函数将输入样本模糊化，避免过拟合的发生，进一步提高模型的预测精度。此外，现有DVL预测模型仅将惯性导航系统的速度及其变化率作为模型训练样本，忽略了动态姿态角引入测速误差的建模，尤其在较大机动环境下现有的预测模型无法准确地描述DVL的误差特性。因此，本专利技术将载体的动态姿态角扩充到模型训练样本中，进一步提高预测模型的泛化能力。

技术实现思路

[0005]为了解决
技术介绍
提出的技术问题，本专利技术提供一种基于模糊多输出最小二乘支持向量机的DVL建模方法，该方法具有良好的逼近复杂非线性函数的能力，旨在解决传统的模型训练方法存在环境适应性及泛化能力差的问题。该方法可显著提升水下组合导航的定位精度，为水下组合导航系统在DVL失效时的测速模型预测提供了有效手段。
[0006]为了达到上述目的，本专利技术采用以下技术方案实现：
[0007]一种基于模糊多输出最小二乘支持向量机的DVL建模方法，包括如下步骤：
[0008]步骤一，搭建UUV测试平台，获取惯导系统的原始数据(三轴加速度计和三轴陀螺仪信息)以及DVL输出三轴速度数据；
[0009]步骤二，对DVL提供的速度信息进行预处理，从多普勒坐标系转换成地理坐标系；
[0010]步骤三，将动态姿态角扩充到预测模型样本中，以惯性导航系统输出地理坐标系
的三轴速度信息及其变化率、姿态角信息作为模型的输入训练样本，以DVL输出载体系下的三轴速度信息DVL作为模型的输出训练样本；
[0011]步骤四，借助样本之间的约束关系，确定各样本的模糊隶属度函数值，消除噪声和孤立点的影响；
[0012]步骤五，计算回归函数参数α
i,j
(i＝1,2,...,N,j＝1,2,...,m)和b
j
(j＝1,...,m)；
[0013]步骤六，建立基于模糊最小二乘支持向量机的回归函数；
[0014]步骤七，对模型预测的DVL速度信息进行后处理，从地理坐标系转换为多普勒坐标系下表示；
[0015]步骤八，实现对多普勒计程仪模型的在线预测，以固定时间间隔进行连续训练预测模型。
[0016]进一步地，在步骤一中：在UUV测试平台下，实时采集惯性导航系统及多普勒计程仪的数据，其中惯性导航系统原始数据更新率为100Hz，DVL数据更新率为1Hz，确保数据采集过程中数据没有丢帧。
[0017]进一步地，在步骤二中：惯性导航系统输出的速度信息是在地理坐标系即n系下表示的，而DVL输出速度是在多普勒坐标系即d系下的，为了统一两个坐标系，需对样本数据进行预处理，将d系下的DVL速度信息转换到n系下，即进行如下转换：
[0018][0019]式中，v
dx
,v
dy
,v
dz
表示DVL输出在多普勒坐标系下的原始速度信息；v
dx1
,v
dy1
,v
dz1
表示DVL预处理后在导航坐标系下的速度信息，表示多普勒坐标系到载体系的转移矩阵；表示载体坐标系到导航坐标系的转移矩阵。
[0020]进一步地，在步骤三中：将惯性导航系统提供的航向角及其变化率、纵摇角和横摇角扩充到预测模型输入中，选取训练样本集具体定义为；
[0021][0022]式中：v
dx1
,v
dy1
,v
dz1
分别表示DVL输出的导航坐标系下三维速度信息；v
E
,v
N
,v
U
分别表示SINS输出的导航坐标系下三维速度信息；dv
E
,dv
N
,dv
U
分别表示惯性导航系统输出的导航坐标系下三维速度变化率信息；yaw,dyaw,pitch,roll分别表示惯性导航系统输出的航向角、航向角变化率、纵摇角和横摇角。
[0023]进一步地，在步骤四中：考虑到模型输入参数中SINS提供的速度和速度变化率信息以及模型输出参数中DVL提供的速度信息同为描述载体线运动的物理量，三者之间存在彼此约束的关系，借鉴K最近邻算法的思想，对于每一个样本(x
i
，y
i
)，找到与其最邻近的k
‑
1个样本，组成集合Δv
i
＝{Δv1,Δv2,...,Δv
k
}和dv
i
＝{dv1,dv2,...,dv
k
}，其中Δv
j
(j＝1,2,...,k)∈R3表示k个样本中输入与输出速度之差的序列，dv
j
(j＝1,2,...,k)∈R3表示k个
样本中输入与输出速度变化率之差的序列，构造如下的模糊隶属度定义：
[0024][0025]式中：θ用于控制隶属度下限，θ＜1且为足够小的正数；f表示控制隶属度函数变化趋势的参数；表示Δv
i
第j维元素的平均值；Δv
min
(j)和Δv
max
(j)分别表示Δv
i
中第j列的最小值和最大值；表示dv
i
第j维元素的平均值；dv
min
(j)和dv
max
(j)分别表示dv
i
中第j列的最小值和最大值。
[0026]进一步地，针对隶属度函数的参数选取，由于θ为较小的正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模糊多输出最小二乘支持向量机的DVL建模方法，其特征在于，包括如下步骤：步骤一，搭建UUV测试平台，获取惯导系统的原始数据，包括三轴加速度计和三轴陀螺仪信息以及DVL输出三轴速度数据；步骤二，对DVL提供的速度信息进行预处理，从多普勒坐标系转换成地理坐标系；步骤三，将动态姿态角扩充到预测模型样本中，以惯性导航系统输出地理坐标系的三轴速度信息及其变化率、姿态角信息作为模型的输入训练样本，以DVL输出载体系下的三轴速度信息DVL作为模型的输出训练样本；步骤四，借助样本之间的约束关系，确定各样本的模糊隶属度函数值，消除噪声和孤立点的影响；步骤五，计算回归函数参数α
i,j
(i＝1,2,...,N,j＝1,2,...,m)和b
j
(j＝1,...,m)；步骤六，建立基于模糊最小二乘支持向量机的回归函数；步骤七，对模型预测的DVL速度信息进行后处理，从地理坐标系转换为多普勒坐标系下表示；步骤八，实现对多普勒计程仪模型的在线预测，以固定时间间隔进行连续训练预测模型。2.根据权利要求1所述的一种基于模糊多输出最小二乘支持向量机的DVL建模方法，其特征在于，在步骤一中：在UUV测试平台下，实时采集惯性导航系统及多普勒计程仪的数据，其中惯性导航系统原始数据更新率为100Hz，DVL数据更新率为1Hz，确保数据采集过程中数据没有丢帧。3.根据权利要求1所述的一种基于模糊多输出最小二乘支持向量机的DVL建模方法，其特征在于，在步骤二中：惯性导航系统输出的速度信息是在地理坐标系即n系下表示的，而DVL输出速度是在多普勒坐标系即d系下的，为了统一两个坐标系，需对样本数据进行预处理，将d系下的DVL速度信息转换到n系下，即进行如下转换：式中，v
dx
,v
dy
,v
dz
表示DVL输出在多普勒坐标系下的原始速度信息；v
dx1
,v
dy1
,v
dz1
表示DVL预处理后在导航坐标系下的速度信息，表示多普勒坐标系到载体系的转移矩阵；表示载体坐标系到导航坐标系的转移矩阵。4.根据权利要求1所述的一种基于模糊多输出最小二乘支持向量机的DVL建模方法，其特征在于，在步骤三中：将惯性导航系统提供的航向角及其变化率、纵摇角和横摇角扩充到预测模型输入中，选取训练样本集具体定义为；式中：v
dx1
,v
dy1
,v
dz1
分别表示DVL输出的导航坐标系下三维速度信息；v
E
,v
N
,v
U
分别表示
SINS输出的导航坐标系下三维速度信息；dv
E
,dv
N
,dv
U
分别表示惯性导航系统输出的导航坐标系下三维速度变化率信息；yaw,dyaw,pitch,roll分别表示惯性导航系统输出的航向角、航向角变化率、纵摇角和横摇角。5.根据权利要求1所述的一种基于模糊多输出最小二乘支持向量机的DVL建模方法，其特征在于，在步骤四中：考虑到模型输入参数中SINS提供的速度和速度变化率信息以及模型输出参数中DVL提供的速度信息同为描述载体线运动的物理量，三者之间存在彼此约束的关系，借鉴K最近邻算法的思想，对于每一个样本(x
i
，y
i
)，找到与其最邻近的k
‑
1个样本，组成集合Δv
i
＝{Δv1,Δv2,...,Δv
k
}和dv
i
＝{dv1,dv2,...,dv
k
}，其中Δv
j
(j＝1,2,...,k)∈...

【专利技术属性】
技术研发人员：赵博，张润峰，王天宇，
申请(专利权)人：哈尔滨工业大学鞍山工业技术研究院，
类型：发明
国别省市：