基于神经网络集成技术的水下多目标定位方法研究

在当前海洋资源开发受到世界各国日益重视的形式下，水下作业机器人所发挥的作用也越发显著。本研究课题根据水下机械手作业特点及实时性要求，采用接近觉与视觉传感器，实现水下多作业目标的定位；研究的主要内容包括各传感器子神经网络的建立以及神经网络的集成技术研究。基于集成神经网络的水下多目标定位方法具有以下优点：对接近觉而言，基于神经网络的定位方法能够提供精确的角度信息，并且突破了以往目标数的限制；对视觉传感器而言，基于神经网络的定位方法能够较好的适应水下强非线性、强噪声环境，并通过神经网络集成技术将单个神经网络分为多个子网，从而降低了每个子网络的训练样本数，提高了神经网络的泛化能力。此体系结构中，视觉传感器充分发挥识别方面的优势，接近觉则具有实时性好、距离信息准确等优点；通过神经网络集成技术把这两种传感器的优势结合起来，提高了水下作业精度及可靠性高。

神经网络技术已在机器人领域发挥着重要作用，例如识别、信息融合、控制等方面；相比单神经网络而言，通过神经网络集成技术可以提高神经网络的泛化能力，但其理论研究还不成熟，其应用有待深入。水下目标定位具有强噪声、非线性等特点，将神经网络集成的方法用于多传感器体系研究中，其成果有益于水下作业系统的工作性能的提高和人智能化技术的研究。.（1）基于接近觉水下目标定位技术研究.本课题采用的神经网络定位方法为误差反向传播神经网络，即BP神经网络。结合接近觉的探测特点和经验选择，选取在该阶段的实验中输入层神经元数目为9，隐层神经元数目为16，输出层神经元数目为5。经充分训练的BP神经网络样本训练，接近觉能够正确完成对多个目标的区间判别。.（2）基于视觉水下目标定位技术研究.针对水下视觉定位中的非线性、强噪声，以及单神经网络训练样本过大、泛化能力差的问题，提出神经网络的视觉目标定位方法。依据目标的不同形状或目标在图像所处的位置区间组成视觉传感器子网络；通过简化每个子网络的结构，提高视觉目标定位系统的泛化能力，对于不在训练样本空间的输入也能获得足够精度的输出。同时，可以通过不断添加子神经网络，逐步完善系统，从而可以提高水下目标定位能力。.（3）基于集成神经网络的目标定位.本课题采用了基于神经网络集成的数据融合技术，将接近觉，声视觉，光视觉三异质传感器对于作业环境中的多目标特征信息的提取，给出最优化一致性判决融合模型，通过子神经网络系统集成的方法将目标信息进行多重融合，完成对特殊目标的信息匹配，辅助机器人或机械手完成对特殊目标的定位和作业。.仿真结果表明，利用神经网络集成的方式在完成对多目标感知过程中具有以下的优点：可以直接从经验中获取知识，自动建立模糊规则和隶属函数；无需查表，节省内存空间；既有较强的适应能力，对于未出现过的样本，神经网络模糊控制也可产生较合适的输出量。结合工程应用实际,我们应该注意两个方面：第一，先验知识的获取、目标特征提取，这直接关系到训练效果。错误的的样本错误的结果；第二，网络结构的选择对学习速度的快慢、判断结果都有很大的影响。.项目进展期间，论文发表共计17篇，其中EI检索8篇，SCI检索4篇。发明专利一个，实用新型专利2个。.参加第21～23届，极地海洋会议，了解学术研究动向，扩宽学术视野。