摘要
一种水下多体动力预报方法,通过构建耦合力预测基础模型,进行单工况与多工况模型训练;利用多种工况混合的实验数据训练耦合力预测基础模型得到泛化性强的多工况预测模型;构建集成耦合力预测模型;选取最终耦合力预测模型;通过实时对比传感器实测位姿与各模型预测位姿的误差,动态选择误差最小的模型作为最终耦合力预测模型;确定最终耦合力预测值;基于卷积神经网络构建耦合力预测模型,对水下装备与机械臂连接处的耦合力进行训练和学习,能够更有效地捕捉耦合力与水下装备运动、机械臂运动之间的复杂非线性关系,且不需要依赖精确的动力学模型和精确的物理模型,从而降低了模型的复杂度和对先验知识的依赖。
技术关键词
预报方法
工况
机器人位姿
卷积模块
预测误差
动力
机械臂关节
装备
传感器
基础
网络架构
推进器
数据
复杂度
非线性
动态
级联
运动
系统为您推荐了相关专利信息
神经网络模型
深度学习框架
矩阵
故障检测模型
神经网络单元
滑坡预测方法
滑坡监测预警方法
BP神经网络预测
BP神经网络模型
预警模型
二维激光雷达
物流机器人
点云特征
点云信息
定位方法
图像重建方法
生成超分辨率图像
多尺度
图像块
语义特征