[发明专利]一种基于深度学习的潜艇抗沉系统

权利要求书

1.一种基于深度学习的潜艇抗沉系统，其特征是，包括潜艇仿真试验平台、分类单元、深度学习单元、高压气控制单元和在线学习单元；

潜艇仿真试验平台：搭载潜艇仿真试验平台，采集数据；

分类单元：将采集的数据导入分类单元，将破损后潜艇的状态分为可自救和坐沉；

深度学习单元：将分类单元中可自救的样本数据进入深度学习单元，实时分析数据，判断潜艇状态，并向高压气控制单元发出指令；

高压气控制单元：对指定舱室吹除压载水，达到矫正姿态，实现智能抗沉的目的；

在线学习单元：将使用历史数据构建的基于深度学习的潜艇抗沉系统加入潜艇仿真实验平台，使其进行在线学习。

2.根据权利要求1所述的基于深度学习的潜艇抗沉系统，其特征是，所述的潜艇仿真实验平台，选定预搭载智能抗沉系统的潜艇，固定坐标系E-ξηζ固定随潜艇移动，为随体坐标系，以潜艇的前进方向为x轴，平移方向为y轴，下潜方向为z轴，纵倾方向q绕y轴，横滚方向p绕x轴，首摇方向r绕z轴，然后通过计算机制造潜艇破损情况，然后得出此时最优的解决方案，收集潜艇的横倾角纵倾角θ、所处水深h、破损面积s，破损位置w和进水量v历史信息，作为离线学习样本。

3.根据权利要求1或2所述的基于深度学习的潜艇抗沉系统，其特征是，所述的分类单元采用多维K近邻算法对数据进行分类，输入训练数据集

通过分类单元输出各个训练样本点所属的类别：可自救或坐沉。

4.根据权利要求1或2所述的基于深度学习的潜艇抗沉系统，其特征是，所述的深度学习单元，采用长短期记忆网络(LSTM)，LSTM单元的状态由输入门，输出门和遗忘门控制，三个门分别控制网络的输入，输出，以及细胞单元的状态；具体是每个时刻LSTM单元接收到输入信息后，每个门将对不同来源的输入进行运算，决定输入信息是否通过；输入门的输入经过非线性函数的变换后，与遗忘门处理的记忆单元状态进行叠加，形成新的记忆单元状态；最终，记忆单元状态通过非线性函数的运算和输出门的动态控制形成LSTM单元的输出；其中门单元就是一个使用神经网络和一个按位做乘法的操作，这两个操作合在一起就是一个门单元，门单元中神经网络的权重通过训练过程学习，LSTM依靠门单元让信息有选择性地影响循环神经网络中每个时刻的状态。

5.根据权利要求3所述的基于深度学习的潜艇抗沉系统，其特征是，所述的深度学习单元，采用长短期记忆网络(LSTM)，LSTM单元的状态由输入门，输出门和遗忘门控制，三个门分别控制网络的输入，输出，以及细胞单元的状态；具体是每个时刻LSTM单元接收到输入信息后，每个门将对不同来源的输入进行运算，决定输入信息是否通过；输入门的输入经过非线性函数的变换后，与遗忘门处理的记忆单元状态进行叠加，形成新的记忆单元状态；最终，记忆单元状态通过非线性函数的运算和输出门的动态控制形成LSTM单元的输出；其中门单元就是一个使用神经网络和一个按位做乘法的操作，这两个操作合在一起就是一个门单元，门单元中神经网络的权重通过训练过程学习，LSTM依靠门单元让信息有选择性地影响循环神经网络中每个时刻的状态。

6.根据权利要求1或2所述的基于深度学习的潜艇抗沉系统，其特征是，所述的高压气控制单元，根据深度学习单元的训练结果，自动对潜艇的高压气进行控制，当潜艇失事时，吹除相应压载水舱的压载水，以此来平衡潜艇，达到抗沉的目的。

7.根据权利要求3所述的基于深度学习的潜艇抗沉系统，其特征是，所述的高压气控制单元，根据深度学习单元的训练结果，自动对潜艇的高压气进行控制，当潜艇失事时，吹除相应压载水舱的压载水，以此来平衡潜艇，达到抗沉的目的。

8.根据权利要求4所述的基于深度学习的潜艇抗沉系统，其特征是，所述的高压气控制单元，根据深度学习单元的训练结果，自动对潜艇的高压气进行控制，当潜艇失事时，吹除相应压载水舱的压载水，以此来平衡潜艇，达到抗沉的目的。