论文部分内容阅读
随着UUV的系统设计、传感器精度、控制算法等各项技术不断提高，海洋环境的UUV自身产生的数据量也日趋变大。本文通过对数据挖掘技术的研究，寻求能够从UUV大量数据中发现隐含重要知识的方法，以提高UUV故障诊断、自主感知的能力。本文以数据挖掘技术基本理论和常用算法为基础，根据海洋环境UUV数据特征，重点研究了关联规则、贝叶斯分类以及支持向量机这三种数据挖掘方法在UUV锂电池电压信息和航位推算信息这两项数据中的应用，并通过海试数据加以验证。具体研究内容和结果如下：首先，研究海洋环境的UUV数据特征并归纳出每种特征下UUV示例数据，同时论证数据挖掘方法在UUV应用的可行性。该部分为海洋环境的UUV数据选择合适的数据挖掘方法提供了依据并且给出了数据挖掘方法的实现步骤。其次，针对建立锂电池受损模型时如何选择特征属性的问题，研究基于Apriori算法的关联规则，设计了提取电池受损特征的方法。此方法为建立电池受损模型提供了重要依据。再次，为提高海洋环境的UUV自主诊断锂电池故障的能力，研究朴素贝叶斯分类器(NBC)，设计了评估UUV锂电池可用性的方法。此方法能使UUV提前评估出单体电池的可用性，进而做到预先采取措施避免危险事件的发生。选取海试数据训练模型获得的评估结果与实际情况吻合验证了这个方法的正确性。最后，针对UUV航位推算算法误差在海洋环境中增大并积累的问题，研究支持向量回归机(SVR)，设计了预测UUV航位推算误差的方法。此方法通过选取合适的核函数及其参数和惩罚因子，获得UUV自身速度和姿态与航位推算误差之间的关系，这样就能预测出UUV航位推算的误差，从而提高了UUV对自身航海位置感知的准确度。根据海洋环境的UUV数据特点，本文主要研究了关联规则、朴素贝叶斯分类器、支持向量机这三种数据挖掘技术，设计了三种面向海洋环境UUV的数据挖掘方法，提高了UUV航海过程中自主故障诊断、感知位置的能力。