[发明专利]潜艇运动模型简化方法及装置在审
申请号: | 201811407966.1 | 申请日: | 2018-11-23 |
公开(公告)号: | CN109766569A | 公开(公告)日: | 2019-05-17 |
发明(设计)人: | 佘莹莹;张伟;赵寅;刘承;何晋秋;王磊;万涛;郭嵩;徐侃;唐一夫 | 申请(专利权)人: | 中国船舶重工集团公司第七一九研究所 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06K9/62 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 王莹;吴欢燕 |
地址: | 430205 湖北省*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 水动力系数 潜艇运动 六自由度运动 聚类结果 模型简化 潜艇 敏感性指数 无监督学习 操纵运动 聚类 算法 简化模型 运行工况 复杂度 构建 | ||
1.一种潜艇运动模型简化方法,其特征在于,包括:
构建潜艇的六自由度运动模型;
选取某一运行工况所对应的操纵运动性能指标,计算所述操纵运动性能指标对所述潜艇的六自由度运动模型中各水动力系数的敏感性指数;
根据所述敏感性指数,利用无监督学习算法对所述潜艇的六自由度运动模型中各水动力系数进行聚类,获得所述各水动力系数的聚类结果;
根据所述聚类结果对所述潜艇的六自由度运动模型进行水动力系数的简化,获得潜艇运动简化模型。
2.根据权利要求1所述的方法,其特征在于,所述选取某一运行工况所对应的操纵运动性能指标,计算所述操纵运动性能指标对所述潜艇的六自由度运动模型中各水动力系数的敏感性指数的步骤,具体为:
选取变深变向工况下的操纵运动性能指标,计算所述变深变向工况下的操纵运动性能指标对所述潜艇的六自由度运动模型中各水动力系数的敏感性指数。
3.根据权利要求1所述的方法,其特征在于,所述根据所述敏感性指数,利用无监督学习算法对所述潜艇的六自由度运动模型中各水动力系数进行聚类的步骤,具体为:
根据所述敏感性指数,利用K-means聚类算法对所述潜艇的六自由度运动模型中各水动力系数进行聚类。
4.根据权利要求3所述的方法,其特征在于,所述根据所述敏感性指数,利用K-means聚类算法对所述潜艇的六自由度运动模型中各水动力系数进行聚类的步骤,具体为:
分别对各水动力系数对应的敏感性指数所构成的一维向量进行归一化处理,所有经过归一化处理的所述一维向量组成给定数据样本集合;
从所述给定数据样本集合中随机选取2个数据样本作为初始的聚类中心,设定聚类结束条件;
重复进行下述操作,直到满足所述聚类结束条件:
计算除聚类中心外的所述给定数据样本集合中每个数据样本到聚类中心的距离,并将所述数据样本归类到距离最近的那一类中,获得当前迭代的分类结果;
根据所述当前迭代的分类结果,重新计算并更新聚类中心。
5.根据权利要求2所述的方法,其特征在于,所述获得潜艇运动简化模型的步骤之后,还包括:
对所述潜艇运动简化模型进行PID控制验证和通用性验证。
6.一种潜艇运动模型简化装置,其特征在于,包括:
模型构建模块,用于构建潜艇的六自由度运动模型;
计算模块,用于选取某一运行工况所对应的操纵运动性能指标,计算所述操纵运动性能指标对所述潜艇的六自由度运动模型中各水动力系数的敏感性指数;
聚类模块,用于根据所述敏感性指数,利用无监督学习算法对所述潜艇的六自由度运动模型中各水动力系数进行聚类,获得所述各水动力系数的聚类结果;
简化模块,用于根据所述聚类结果对所述潜艇的六自由度运动模型进行水动力系数的简化,获得潜艇运动简化模型。
7.根据权利要求6所述的装置,其特征在于,所述计算模块具体用于:
选取变深变向工况下的操纵运动性能指标,计算所述变深变向工况下的操纵运动性能指标对所述潜艇的六自由度运动模型中各水动力系数的敏感性指数。
8.根据权利要求6所述的装置,其特征在于,所述聚类模块具体用于:
根据所述敏感性指数,利用K-means聚类算法对所述潜艇的六自由度运动模型中各水动力系数进行聚类。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至5任一所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国船舶重工集团公司第七一九研究所,未经中国船舶重工集团公司第七一九研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811407966.1/1.html,转载请声明来源钻瓜专利网。