一种基于神经网络的水下作业装置耦合力预测方法

本申请公开了一种基于神经网络的水下作业装置耦合力预测方法，涉及水下作业装置技术领域，该方法将锚链的两端分别通过压力传感器连接水面上的浮球和水槽底部的锚，然后利用作业装置模型中的机械臂通过拉压力传感器抓取锚链的中部，在不同试验工况下进行试验可以分别通过三个拉压力传感器采集到拉力作为耦合力实际值，利用得到的数据基于神经网络回归模型训练以学习更加多样、全面的水动力学特征，再结合粒子群算法进行参数寻优可以得到具有较高预测精度的耦合力预测模型，可用于快速预测水下作业装置所受耦合力，该方法原理简单、可操作性强、设计灵活、可靠性高、适用面广，对水下作业装置的水动力预测研究具有重要指导和借鉴意义。