آدرس ایمیل خود را وارد نمایید
ثبت
پیام خود را بنویسید
دوره 19، شماره 39 - ( 6-1402 )
جلد 19 شماره 39 صفحات 78-65 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Talebi N, Dehghan S M M, Sabet M. Velocity Model Identification For An AUV Navigation With Using NARX Neural Network Method. Marine Engineering 2023; 19 (39) :65-78
URL: http://marine-eng.ir/article-1-1036-fa.html
URL: http://marine-eng.ir/article-1-1036-fa.html
طالبی نعمت الله، دهقان سید محمد مهدی، ثابت محمدتقی. شناسایی مدل سرعت با هدف کاربرد در ناوبری یک رونده زیرسطحی خودگردان به کمک شبکه عصبی NARX. مهندسی دریا. 1402; 19 (39) :65-78
1- دانشگاه صنعتی مالک اشتر
چکیده: (1034 مشاهده)
| یکی از چالش‌های ناوبری شناورهای زیرسطحی خودگردان اندازه‌گیری سرعت حرکت آنهاست. روش معمول برای اندازه‌گیری سرعت زیرسطحی‌ها استفاده از حسگر سرعت داپلری است اما استفاده از این حسگر به دلیل قرارگیری در رده حسگرهای گران‌قیمت و همچنین افزایش زمان و حتی عدم داده‌برداری به علت عمق زیاد و یا تغییر ناگهانی عمق در برخی موارد امکان‌پذیر نیست. هدف این مقاله، ارائه روش ارزان‌قیمت و اقتصادی شناسایی سرعت مبتنی بر شبکه عصبی خودرگرسیون برونی غیرخطی با کمترین تعداد ورودی شبکه عصبی در حرکت دوبعدی شناور می‌باشد. در الگوریتم پیشنهادی، با حذف ورودی‌های شبکه عصبی بدست آمده از خروجی حسگرهای ارزان‌قیمت، خطای اندازه‌گیری حسگرها از فرایند شناسایی حذف شده و دقت خروجی مدل سرعت بدست آمده بهبود می‌یابد. در بخش نتایج عملکرد مناسب الگوریتم پیشنهادی، در مقایسه با خروجی حسگر سرعت داپلری بررسی می‌شود. همچنین نتایج بدست آمده از روش شناسایی مدل دینامیکی به کمک الگوریتم‌های شناسایی حداقل مربعات و حداقل مربعات بازگشتی، مزیت و کارایی این روش را در شناسایی سرعت حرکت رونده زیرسطحی، تایید می‌کند. |
واژه‌های کلیدی: رونده زیرسطحی خودگردان، ناوبری به کمک مدل، شناسایی مدل سرعت، شبکه‌های عصبی NARX و MLP، روش‌های شناسایی پارامتر LS و RLS
نوع مطالعه: مقاله پژوهشي |
موضوع مقاله:
طراحي، هیدروديناميك و ساخت زيرسطحي
دریافت: 1402/2/9 | پذیرش: 1402/4/7
دریافت: 1402/2/9 | پذیرش: 1402/4/7
فهرست منابع
1. Blidberg, D.R. The development of autonomous underwater vehicles (AUV); a brief summary. in Ieee Icra. 2001. Citeseer.
2. Leonard, J.J. and A. Bahr, Autonomous underwater vehicle navigation. Springer Handbook of Ocean Engineering, 2016: p. 341-358. [DOI:10.1007/978-3-319-16649-0_14]
3. Titterton, D., J.L. Weston, and J. Weston, Strapdown inertial navigation technology. Vol. 17. 2004: IET. [DOI:10.1049/PBRA017E] [PMID]
4. Milne, Peter Henry. "Underwater acoustic positioning systems." (1983).
5. Smith, S.M. and D. Kronen. Experimental results of an inexpensive short baseline acoustic positioning system for AUV navigation. in Oceans' 97. MTS/IEEE Conference Proceedings. 1997. IEEE.
6. Lv, P.-F., et al., Underwater navigation methodology based on intelligent velocity model for standard AUV. Ocean Engineering, 2020. 202: p. 107073. [DOI:10.1016/j.oceaneng.2020.107073]
7. Koifman, M. and I.Y. Bar-Itzhack, Inertial navigation system aided by aircraft dynamics. IEEE transactions on control systems technology, 1999. 7(4): p. 487-493. [DOI:10.1109/87.772164]
8. Vasconcelos, J.F., et al., Embedded UAV model and LASER aiding techniques for inertial navigation systems. Control Engineering Practice, 2010. 18(3): p. 262-278. [DOI:10.1016/j.conengprac.2009.11.004]
9. Karmozdi, A., et al., INS-DVL navigation improvement using rotational motion dynamic model of AUV. IEEE Sensors Journal, 2020. 20(23): p. 14329-14336. [DOI:10.1109/JSEN.2020.3007929]
10. Morgado, M., et al., Embedded vehicle dynamics aiding for USBL/INS underwater navigation system. IEEE Transactions on Control Systems Technology, 2013. 22(1): p. 322-330. [DOI:10.1109/TCST.2013.2245133]
11. Kim, E., S. Fan, and N. Bose, Estimating water current velocities by using a model-based high-gain observer for an autonomous underwater vehicle. IEEE Access, 2018. 6: p. 70259-70271. [DOI:10.1109/ACCESS.2018.2879469]
12. Randeni P, S., et al., Parameter identification of a nonlinear model: replicating the motion response of an autonomous underwater vehicle for dynamic environments. Nonlinear Dynamics, 2018. 91(2): p. 1229-1247. [DOI:10.1007/s11071-017-3941-z]
13. Arnold, S. and L. Medagoda. Robust model-aided inertial localization for autonomous underwater vehicles. in 2018 IEEE International Conference on Robotics and Automation (ICRA). 2018. IEEE. [DOI:10.1109/ICRA.2018.8460839]
14. Valeriano-Medina, Y., et al., Dynamic model for an autonomous underwater vehicle based on experimental data. Mathematical and Computer Modelling of Dynamical Systems, 2013. 19(2): p. 175-200. [DOI:10.1080/13873954.2012.717226]
15. Martin, S.C. and L.L. Whitcomb, Experimental identification of six-degree-of-freedom coupled dynamic plant models for underwater robot vehicles. IEEE Journal of Oceanic Engineering, 2013. 39(4): p. 662-671. [DOI:10.1109/JOE.2013.2280492]
16. Xu, F., et al., Identification modeling of underwater vehicles' nonlinear dynamics based on support vector machines. Ocean Engineering, 2013. 67: p. 68-76. [DOI:10.1016/j.oceaneng.2013.02.006]
17. Petrich, J., W.L. Neu, and D.J. Stilwell. Identification of a simplified AUV pitch axis model for control design: Theory and experiments. in OCEANS 2007. 2007. IEEE. [DOI:10.1109/OCEANS.2007.4449350]
18. Taubert, R., et al. Model identification and controller parameter optimization for an autopilot design for autonomous underwater vehicles. in OCEANS 2014-TAIPEI. 2014. IEEE. [DOI:10.1109/OCEANS-TAIPEI.2014.6964475]
19. X. Feng, Z.-j.Z., J.-c. YIN, and C. Jian, Parametric identification and sensitivity analysis for Autonomous Underwater Vehicles in diving plane. Journal of Hydrodynamics, Ser. B, 2012. vol. 24, pp. 744-75. [DOI:10.1016/S1001-6058(11)60299-0]
20. Payaminia, M. Use of vehicle dynamic model to increase inertial navigation accuracy. Maleke-ashtar University of Technology. M.Sc. Thesis. Sep. 16, 2020
21. Prestero, T.T.J., Verification of a six-degree of freedom simulation model for the REMUS autonomous underwater vehicle. 2001, Massachusetts institute of technology. [DOI:10.1575/1912/3040]
22. L. Chang, F. Qin, and S. Jiang, "Strapdown Inertial Navigation System Initial Alignment Based on Modified Process Model," IEEE Sens. J., vol. 19, no. 15, pp. 6381- 6391, 2019, doi: 10.1109/JSEN.2019.2910213. [DOI:10.1109/JSEN.2019.2910213]
23. Fossen, Thor I. Handbook of marine craft hydrodynamics and motion control. John Wiley & Sons, 2011. [DOI:10.1002/9781119994138]
24. Wadoo, S. and P. Kachroo, Autonomous underwater vehicles: modeling, control design and simulation. 2017: CRC Press. [DOI:10.1201/b10463]
25. Sabet, M. Design and implementation of a model-aided navigation system for an AUV. Degree of Doctor of Philosophy in mechanical engineering. December 2017.
26. Humphreys, D. E., and K. W. Watkinson. Prediction of acceleration hydrodynamic coefficients for underwater vehicles from geometric parameters. NAVAL COASTAL SYSTEMS LAB PANAMA CITY FL, 1978.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
International Journal of Maritime Technology is licensed under a
Creative Commons Attribution-NonCommercial 4.0 International License.