基于極限學習機的AUV決策控制系統(tǒng)的研究.pdf

1、水下機器人也稱為水下自主航行器（Autonomous Underwater Vehicle，簡稱AUV）。它是一種能夠自主在水下航行無需人為干預的“水下自主航行器”。它能自主的處理海底航行期間遇到的各種突發(fā)狀況，并能通過實時采集的海底數(shù)據(jù)來進行自主航行和任務完成。水下機器人能否能順利完成任務，很大程度上取決于AUV的決策控制系統(tǒng)性能。為了提高決策控制系統(tǒng)的性能，本文旨在設計一種基于極限學習機（ELM）的水下機器人的決策控制系統(tǒng)。

2、　　為了提高 AUV在水下航行時候的決策控制能力，本文的目的是設計一種新型的基于極限學習機（Extreme Learning Machine,簡稱ELM）的應用于水下機器人的決策控制系統(tǒng)。在本文的設計的決策控制系統(tǒng)中，為了便于設計和升級維護，我們把AUV的控制決策行為分為兩大類：理性行為（Rational behavior）和感性行為（Emotional behavior）。其中，理性行為是經(jīng)過復雜算法運算而做出的控制行為。感性行為是A

3、UV對外界刺激產(chǎn)生的應激反應行為。當AUV在海底航行時，兩個行為各司其職相互協(xié)作共同保證AUV順利完成任務。
　　在本文設計的決策控制系統(tǒng)中，決策控制系統(tǒng)最終輸出的復雜的控制行為是多個簡單的控制行為的加權矢量和。各個簡單的控制行為是已經(jīng)在AUV的決策控制系統(tǒng)中設定好的行為，例如避障行為趨向目標行為以及姿態(tài)保持行為等。也就是說，AUV的最終行為是由簡單行為的加權因子矩陣決定的。本文利用極限學習機來計算AUV的加權因子矩陣，來達到精確

4、控制AUV行為的目的。極限學習機的輸出值是直接能夠決定AUV行為的加權因子矩陣，而極限學習機的輸入則是環(huán)境的特征值。環(huán)境的特征值是AUV根據(jù)傳感器數(shù)據(jù)實時計算得到的。因此，環(huán)境變化，加權因子矩陣機會變化，AUV的行為就會變化。這就使得AUV擁有了良好的環(huán)境適應能力。
　　在文章的最后，我們選取了水下機器人水底航行最有代表性的兩個行為，在基于MATLAB搭建的仿真平臺上，對基于ELM的決策控制系統(tǒng)進行了仿真研究,并得出了在二維地圖下