شناسایی غیرخطی یک AUV در صفحات افقی و عمودی با و بدون سنسور DVL

ناوبری اینرسی در زیر سطح همراه با خطاهای جمع شونده است. سنسور سرعت سنج دوپلری یکی از اساسی ترین سنسورهای کمکی برای حذف این نوع خطا در ناوبری است. از کار افتادن این سنسور باعث واگرا شدن تخمین پارامترهای ناوبری می گردد. در این مقاله یک سنسور افزونه مجازی برای جلوگیری از واگرا شدن الگوریتم ناوبری در هنگام از کار افتادن سنسور واقعی معرفی شده است. این سنسور مجازی با استفاده از شبکه های عصبی، فازی عصبی و مدل های خطی محلی ایجاد می گردد. برای آموزش این شبکه از خروجی سنسورهای اینرسی، خروجی الگوریتم ناوبری و سنسور سرعت سنج دوپلری (تا زمانی که سالم است) استفاده می شود. دو مدل غیرخطی مجزا در صفحات افقی و عمودی برای زیرسطحی با استفاده از شبکه آموزش دیده، به دست می آید. به محض از کار افتادن و یا معیوب شدن سنسور سرعت سنج، از خروجی این مدل می توان به عنوان جایگزین در الگوریتم ناوبری بهره برد. روش پیشنهاد شده روی یک مدل غیرخطی از AUV شبیه سازی شده است. برای شناسایی سیستم AUV مدل های غیرخطی حاصل از شبکه عصبی و سیستم فازی عصبی با مدل خطی شناسایی شده از طریق الگوریتم کمترین مربعات مقایسه شده است. نتایج نشان می دهد مدل های غیرخطی شناسایی شده دقت بالاتری از مدل خطی دارند. همچنین روش پیشنهادی در شبیه سازی برای جایگزین کردن سنسور DVL در صورتی که داده های استفاده شده برای آموزش غنی باشند، قادر است داده های موردنظر را با دقتی قابل قبول تولید کند.

Keywords:

شناورهای زیرسطحی هوشمند , مقابله با خرابی سنسورهای DVL , شناسایی غیرخطی , شبکه عصبی مصنوعی