一种考虑模糊性的潜浮式无人船阻力预报近似模型优化方法

本发明提供一种考虑模糊性的潜浮式无人船阻力预报近似模型优化方法，包括：以潜浮式无人船为目标船型，通过船模试验、数值仿真试验和云计算技术生成多源数据集；基于前馈神经网络模型，建立近似模型，包括输入层、隐藏层和输出层的建立；将近似模型与原数据进行对比，找出与原数据差距较大的数据，通过灵敏性分析找出对阻力影响较大的六个参数；建立所述六个参数的三角隶属度，并定义其规则库，最终根据去模糊化得到最后的阻力值。本发明通过模糊优化对神经网络建立的近似模型进行优化，有效降低了多源数据带来的不确定性，提高潜浮式无人船阻力优化的精度和可靠性，以更好地提升其航行效率、降低能耗并增强在复杂海洋环境中的适应能力。