共查询到20条相似文献,搜索用时 15 毫秒
1.
自主式水下机器人(AUV)是应用于复杂海洋环境中的高智能化无人装备,其需要具备良好的环境感知能力进行自主导航,包括水下目标识别能力。随着人工智能的高速发展,卷积神经网络作为图像处理领域的深度学习架构,在图像特征提取和图像识别上有着强大的性能和卓越的优势。本文利用卷积神经网络,实现了自主式水下机器人水下目标的自主识别。同时,通过采用三段式全连接方式和增加卷积层深度的方式对卷积神经网络进行进一步改进,提高了卷积神经网络的训练速度、准确率和泛化能力。 相似文献
2.
3.
水下机器人作业目标控制和目标识别 总被引:2,自引:1,他引:1
自主式水下机器人(AUV)具有自主导航、自主避碰和自主作业能力,自主作业是水下机器人实现智能化的关键技术。本文着重叙述AUV对特定作业-“水下目标探测与识别”的作业控制和实现过程,叙述水下三维目标的识别机理和识别算法以及为正确识别目标提供最佳条件的预处理、硬件系统和实时处理功能。最后给出试验结果,说明作业目标控制过程和识别算法具有实时性、高效率和可靠性。 相似文献
4.
自主式水下机器人(AUV)具有自主导航、自主避碰和自主作业能力,光视觉信息获取与处理算法是AUV进行水下作业的重要内容和关键技术。本文着重叙述水下三维目标信息的获取过程和图象常用算法,最后给出试验结果,以说明研究工作的有效性和成果的实用性。 相似文献
5.
6.
基于水下三维目标识别的视觉系统 总被引:1,自引:0,他引:1
基于水下三维目标识别的视觉系统是水下机器人实现水下自主作业和智能化的关键技术。本文叙述水下三维目标的识别机理和识别算法以及为正确识别目标提供最佳条件的前处理,硬件系统和实时处理功能,最后给出试验结果,说明识别系统的高效率与可靠性。 相似文献
7.
自主式水下机器人最优路径规划问题的研究 总被引:2,自引:0,他引:2
路径规划是水下机器人实现自主航行的重要环节。根据自主式水下机器人的动力学性质,路径规划的特点以及实现智能行为的要求,采用基于案例的遗传算法,实现了自主式水下机器人最优路径规划。给出该方案的基本框架和算法,在基于案例类比的学习方法中引入模糊多属性综合决策的方法建立决策算子进行案例的匹配,在遗传算法中实际知识的指导,适当地改进遗传算子,加快搜索速度。仿真结果证明该路径规划方法能够取得较好的规划结果,使自主式水下机器人具有了一定的自主导航,自主避障和自主作业的能力。 相似文献
8.
《舰船科学技术》2019,(23)
未来基于水下无人平台的水声目标探测体系要求平台自身具备目标智能化识别能力,而传统水下目标噪声识别方法需要人工提取泛化能力强的特征数据,且识别过程具有较强的人机交互特性,无法满足这一要求。针对这一问题,本文研究一种基于长短时记忆网络(LSTM)的水下目标噪声智能识别方法,借助深度学习自主学习数据特征的能力,应用长短时记忆网络(LSTM)分别对水下目标噪声的时域时间序列数据、频谱数据、梅尔倒谱(MFCC)数据进行深层次特征提取与识别,并使用实际水声目标噪声信号对该方法进行了验证。结果表明,在上述3种输入数据情况下,采用LSTM长短时记忆模型均能有效实现水下目标噪声特征提取与智能识别。 相似文献
9.
10.
11.
对船舶图像进行快速准确识别在军民领域都有广泛应用,随着船舶种类的增多、图像质量的提高,传统的卷积神经网络进行船舶图像识别需耗费大量时间。本文对深度神经网络的原理进行分析,并在此基础上研究基于深度神经网络的船舶图像识别流程,对船舶图像预处理技术进行研究,建立船舶图像训练集和测试集,对YOLOV2、卷积神经网络和本文算法的平均识别时间和识别准确率进行分析,最后研究3种算法的训练次数对识别准确率的影响。本文研究的深度神经网络船舶图像识别算法,在平均识别时间以及识别准确率上具有一定优势。 相似文献
12.
基于目标规划的水下机器人模糊神经网络控制 总被引:1,自引:0,他引:1
针对水下机器人运动的精确控制问题,依据模糊逻辑和神经网络理论,提出了一种基于目标规划的模糊神经网络控制方法。根据水下机器人的运动特性构造了模糊神经网络的结构,并推导了网络权值学习的反传算法,最后以水下综合探测机器人为研究对象进行了试验研究。试验研究的结果表明,该方法结合了传统模糊控制和神经网络控制的优点,大大地提高了系统响应速度和控制精度,并且对模型的不确定性有较强的鲁棒性,能够实现水下机器人运动的精确控制,具有较高的理论和实用价值。 相似文献
13.
14.
基于神经网络的无人无缆水下机器人运动建模与控制技术研究 总被引:3,自引:1,他引:2
对自主型水下机器人(AUV)神经网络运动模型的结构进行了理论分析和探讨,提出了非完全回归型神经网络、增加积分层的输出层结构及相应的分步式学习方法。对AUV运动过程中目标运动路径和目标运动速度的同时跟踪控制进行了系统研究。提出了由主控网络和伴随网络构成的神经网络控制器结构,给出了通过计算机模拟来生成教师样本的方法,提出了预测控制的思想。计算机仿真及水下机器人“Twin-Burger”的水池实验结果验证了本文所提出的建模方法和跟踪控制方法的有效性和可行性。 相似文献
15.
16.
17.
基于深度卷积神经网络的船舶识别方法研究 总被引:1,自引:0,他引:1
为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法.利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类.算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实.实验结果表明,该方法平均识别正确率达到93.6%,可以很好地实现船舶识别. 相似文献
18.
19.
20.
《船舶力学》2020,(5)
为实现自主水下机器人(AUV)对流场环境的感知,提高其环境自适应能力,根据鱼类侧线感知机理,对复杂流场环境中水下目标的感知方法进行研究。文章通过计算流体力学(CFD)对水下目标体(圆形、三角形和正方形)在均匀流场中产生的扰动流场进行分析,提取一种流场环境中确定位置处的压力信号作为识别信息数据库,训练并建立支持向量机(SVM)模型。通过采集不同位置和不同流场环境中的流场信号对目标体的种类进行识别,结果表明采用8阶及以上的多项式核函数,可以对不同流场环境中的目标体种类进行有效识别,侧线相对目标体的位置对识别精度影响不大;同时通过侧线压力系数波形中的特征值,对目标体的位置进行定量分析,得到不同目标体的位置定位公式,并对其适用的流场环境范围进行了限定说明。结果证明,所提出的基于流场信息进行水下目标感知的方法具有可行性,为了解侧线作用机理和工程化应用提供了一种新思路。 相似文献