《基於神經網路集成技術的水下多目標定位方法研究》是依託華中科技大學，由徐國華擔任項目負責人的面上項目。
基本介紹
- 中文名：基於神經網路集成技術的水下多目標定位方法研究
- 項目類別：面上項目
- 項目負責人：徐國華
- 依託單位：華中科技大學
中文摘要,結題摘要,
中文摘要
在當前海洋資源開發受到世界各國日益重視的形式下，水下作業機器人所發揮的作用也越發顯著。本研究課題根據水下機械手作業特點及實時性要求，採用接近覺與視覺感測器，實現水下多作業目標的定位；研究的主要內容包括各感測器子神經網路的建立以及神經網路的集成技術研究。基於集成神經網路的水下多目標定位方法具有以下優點：對接近覺而言，基於神經網路的定位方法能夠提供精確的角度信息，並且突破了以往目標數的限制；對視覺感測器而言，基於神經網路的定位方法能夠較好的適應水下強非線性、強噪聲環境，並通過神經網路集成技術將單個神經網路分為多個子網，從而降低了每個子網路的訓練樣本數，提高了神經網路的泛化能力。此體系結構中，視覺感測器充分發揮識別方面的優勢，接近覺則具有實時性好、距離信息準確等優點；通過神經網路集成技術把這兩種感測器的優勢結合起來，提高了水下作業精度及可靠性高。
結題摘要
神經網路技術已在機器人領域發揮著重要作用，例如識別、信息融合、控制等方面；相比單神經網路而言，通過神經網路集成技術可以提高神經網路的泛化能力，但其理論研究還不成熟，其套用有待深入。水下目標定位具有強噪聲、非線性等特點，將神經網路集成的方法用於多感測器體系研究中，其成果有益於水下作業系統的工作性能的提高和人智慧型化技術的研究。 （1）基於接近覺水下目標定位技術研究 本課題採用的神經網路定位方法為誤差反向傳播神經網路，即BP神經網路。結合接近覺的探測特點和經驗選擇，選取在該階段的實驗中輸入層神經元數目為9，隱層神經元數目為16，輸出層神經元數目為5。經充分訓練的BP神經網路樣本訓練，接近覺能夠正確完成對多個目標的區間判別。 （2）基於視覺水下目標定位技術研究 針對水下視覺定位中的非線性、強噪聲，以及單神經網路訓練樣本過大、泛化能力差的問題，提出神經網路的視覺目標定位方法。依據目標的不同形狀或目標在圖像所處的位置區間組成視覺感測器子網路；通過簡化每個子網路的結構，提高視覺目標定位系統的泛化能力，對於不在訓練樣本空間的輸入也能獲得足夠精度的輸出。同時，可以通過不斷添加子神經網路，逐步完善系統，從而可以提高水下目標定位能力。 （3）基於集成神經網路的目標定位 本課題採用了基於神經網路集成的數據融合技術，將接近覺，聲視覺，光視覺三異質感測器對於作業環境中的多目標特徵信息的提取，給出最最佳化一致性判決融合模型，通過子神經網路系統集成的方法將目標信息進行多重融合，完成對特殊目標的信息匹配，輔助機器人或機械手完成對特殊目標的定位和作業。 仿真結果表明，利用神經網路集成的方式在完成對多目標感知過程中具有以下的優點：可以直接從經驗中獲取知識，自動建立模糊規則和隸屬函式；無需查表，節省記憶體空間；既有較強的適應能力，對於未出現過的樣本，神經網路模糊控制也可產生較合適的輸出量。結合工程套用實際,我們應該注意兩個方面：第一，先驗知識的獲取、目標特徵提取，這直接關係到訓練效果。錯誤的的樣本錯誤的結果；第二，網路結構的選擇對學習速度的快慢、判斷結果都有很大的影響。 項目進展期間，論文發表總計17篇，其中EI檢索8篇，SCI檢索4篇。發明專利一個，實用新型專利2個。 參加第21～23屆，極地海洋會議，了解學術研究動向，擴寬學術視野。
