[发明专利]一种无人艇航行状态的监测评估方法

说明书

本发明公开了异常状态监测领域的一种无人艇航行状态的监测评估方法，包括：步骤1：收集无人艇的数据，分析得到无人艇状态数据集，并对状态等级进行划分；步骤2：搭建孤立森林异常状态监测模型，对状态数据是否异常做出初步甄别；步骤3：搭建径向基网络分类模型，将状态数据输入到径向基函数神经网络中进行分类，输出为具体的故障类型，并根据其程度划分等级；步骤4：通过四种优化方法改进的PSO算法对网络参数进行寻优。本发明监测评估方法对测得的无人艇航行数据进行检测，判断数据是否含有不合理的异常值，并对异常值进行剔除、填补等操作，保证状态数据的准确性和合理性；对无人艇航行的状态进行检测诊断，及时对无人艇的姿态进行调整。

技术领域

本发明属于异常状态监测领域，具体涉及一种无人艇航行状态的监测评估方法。

背景技术

随着人工智能技术的发展，对于能够反映机械装备运行状态的各种参数已经可以实现集中监测评估，尤其在无人控制装备领域，智能传感器的普及使得运行数据更加的丰富。

水面无人艇作为水上无人化智能装备的重要组成部分，是国内外学者的研究和发展重点，无人船在水面作业过程中要具有相应的自主智能性，其关键环节就在于对其安全稳定的自主控制，这就要求对无人艇的航行状态进行监测，因为无人艇结构复杂，并且可能要长时间在未知的水面环境下运作，难免会造成各种异常状态，会直接影响无人艇的工作能力，降低其安全性和经济性，因此对无人艇的航行姿态进行精确的姿态异常检测与评估十分必要，然而现阶段一些异常状态信号的监测以及评估判断能力仍有不足。为此我们提出一种无人艇航行状态的监测评估方法用于解决上述问题。为此我们提出一种无人艇航行状态的监测评估方法用于解决上述问题。

发明内容

针对现有技术的不足，本发明的目的在于提供一种无人艇航行状态的监测评估方法，以解决上述背景技术中提出的问题。

本发明的目的可以通过以下技术方案实现：

一种无人艇航行状态的监测评估方法，所述监测评估方法包括：

步骤1：收集无人艇的航行速度、加速度、姿态角数据，分析得到无人艇状态数据集，并对状态等级进行划分；

步骤2：搭建孤立森林异常状态监测模型，对步骤1得到的无人艇状态数据是否异常做出初步甄别；

步骤3：搭建径向基网络分类模型，将步骤2中初步甄别的无人艇状态数据输入到径向基函数神经网络中进行分类，输出为具体的故障类型，并根据其程度划分等级；

步骤4：通过四种优化方法改进的PSO算法对网络参数进行寻优。

优选地，所述步骤1中无人艇状态数据通过无人艇所搭载的上位机模块中反馈并导出。

优选地，所述步骤2中孤立森林异常状态监测模型对状态数据是否异常做出初步甄别，若正常，则无需进一步处理；若为异常状态，会继续对异常的状态进行评估和分级。

优选地，所述步骤3中径向基网络是一种以径向基函数作为其激活函数的三层前馈型局部神经网络；

网络结构为三层，包括输入层、隐含层和输出层，确定中心点后，确定映射关系，然后再对隐含层空间的输出线性加权求和得到最终输出。

优选地，所述步骤4中PSO算法中粒子依据下式更新自己的速度和位置：

。

优选地，所述步骤4中优化方法包括：

4.1：用Kalman滤波器原理对基本PSO算法进行改进；

4.2：根据PSO算法运行进程动态调节惯性权重的值；

4.3：引入模拟退火机制优化PSO算法；