發(fā)布時間：2022-09-29 17:19

　　魚類作為地球上起源較早的一類生物,經(jīng)過億萬年的演化和自然選擇,已經(jīng)進(jìn)化出無與倫比的游泳能力,對水下航行器的研究具有重要意義。深度學(xué)習(xí)對提高機(jī)器魚水下的自主性和感知力方面起了很大的作用,本文將仿生機(jī)器魚作為研究對象,將深度學(xué)習(xí)算法運(yùn)用到機(jī)器魚運(yùn)動控制的研究上,搭建了仿生機(jī)器魚平臺,建立分析了機(jī)器魚運(yùn)動控制模型,并對模型進(jìn)行了優(yōu)化與改進(jìn),通過仿真和實(shí)驗(yàn)驗(yàn)證了深度學(xué)習(xí)對于機(jī)器魚運(yùn)動控制方法的可行性。具體研究內(nèi)容如下:首先,綜述了仿生機(jī)器魚的技術(shù)背景和研究價值與意義,闡述了學(xué)習(xí)算法在機(jī)器魚上的發(fā)展情況,并對發(fā)展的技術(shù)方法做了總結(jié),最后簡單介紹了本文的章節(jié)架構(gòu)及內(nèi)容。其次,闡述了機(jī)器魚的機(jī)械結(jié)構(gòu),設(shè)計了研究仿生機(jī)器魚系統(tǒng)平臺,在如何控制機(jī)器魚運(yùn)動,如何與機(jī)器魚通信,如何監(jiān)控機(jī)器魚游動模態(tài),以及返回實(shí)時數(shù)據(jù)等方面做了詳細(xì)描述,同時敘述了機(jī)器魚系統(tǒng)平臺的軟件和硬件部分,對機(jī)器魚游動模態(tài)做了實(shí)驗(yàn)數(shù)據(jù)分析。再次,為研究神經(jīng)網(wǎng)絡(luò)在機(jī)器魚上的應(yīng)用,建立了基于長短期記憶神經(jīng)網(wǎng)絡(luò)的機(jī)器魚運(yùn)動控制模型,并詳述了建模步驟、可能遇見的問題以及參數(shù)的設(shè)定,并對機(jī)器魚運(yùn)動狀態(tài)進(jìn)行了實(shí)驗(yàn)設(shè)計,分析了仿真與實(shí)驗(yàn)結(jié)果。更進(jìn)一步... 

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景與意義
        1.1.1 課題研究背景
        1.1.2 課題研究意義
    1.2 仿生機(jī)器魚國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 學(xué)習(xí)算法在機(jī)器魚上的研究
    1.4 課題來源及論文主要工作內(nèi)容
第2章 仿生機(jī)器魚系統(tǒng)平臺設(shè)計
    2.1 引言
    2.2 仿生機(jī)器魚機(jī)械結(jié)構(gòu)設(shè)計
    2.3 仿生機(jī)器魚系統(tǒng)平臺
        2.3.1 機(jī)器魚無線通信系統(tǒng)
        2.3.2 系統(tǒng)對機(jī)器魚的實(shí)時監(jiān)控
    2.4 上位機(jī)控制游動實(shí)驗(yàn)
    2.5 本章小結(jié)
第3章 仿生機(jī)器魚運(yùn)動控制LSTM NN建模
    3.1 引言
    3.2 機(jī)器魚LSTM神經(jīng)網(wǎng)絡(luò)建模
        3.2.1 LSTM模型
        3.2.2 正向傳播
        3.2.3 反向傳播
    3.3 LSTM神經(jīng)網(wǎng)絡(luò)建模
        3.3.1 數(shù)據(jù)預(yù)處理
        3.3.2 模型建立與訓(xùn)練
        3.3.3 模型預(yù)測及可視化
    3.4 機(jī)器魚運(yùn)動控制仿真和實(shí)驗(yàn)
        3.4.1 仿真與分析
            3.4.1.1 直游運(yùn)動
            3.4.1.2 轉(zhuǎn)彎運(yùn)動
        3.4.2 機(jī)器魚運(yùn)動控制實(shí)驗(yàn)
            3.4.2.1 直游運(yùn)動
            3.4.2.2 轉(zhuǎn)彎運(yùn)動
    3.5 與其他神經(jīng)網(wǎng)絡(luò)的比較
        3.5.1 與BP神經(jīng)網(wǎng)絡(luò)的比較
        3.5.2 BP神經(jīng)網(wǎng)絡(luò)模型的建立
            3.5.2.1 直游運(yùn)動
            3.5.2.2 轉(zhuǎn)彎運(yùn)動
        3.5.3 與遞歸型脈沖神經(jīng)網(wǎng)絡(luò)的比較
            3.5.3.1 遞歸型脈沖神經(jīng)網(wǎng)絡(luò)模型
            3.5.3.2 無監(jiān)督學(xué)習(xí)算法
            3.5.3.3 遞歸型脈沖神經(jīng)網(wǎng)絡(luò)模型的建立
        3.5.4 遞歸型脈沖神經(jīng)網(wǎng)絡(luò)的仿真實(shí)驗(yàn)
            3.5.4.1 直游運(yùn)動
            3.5.4.2 轉(zhuǎn)彎運(yùn)動
    3.6 本章小結(jié)
第4章 機(jī)器魚LSTM神經(jīng)網(wǎng)絡(luò)模型參數(shù)優(yōu)化
    4.1 引言
    4.2 改變神經(jīng)網(wǎng)絡(luò)參數(shù)對機(jī)器魚運(yùn)動的影響及實(shí)驗(yàn)分析
        4.2.1 學(xué)習(xí)速率learning_rate
            4.2.1.1 直游運(yùn)動
            4.2.1.2 轉(zhuǎn)彎運(yùn)動
        4.2.2 每層隱藏層神經(jīng)元個數(shù)num_units
            4.2.2.1 直游運(yùn)動
            4.2.2.2 轉(zhuǎn)彎運(yùn)動
        4.2.3 模型訓(xùn)練步數(shù)steps
            4.2.3.1 直游運(yùn)動
            4.2.3.2 轉(zhuǎn)彎運(yùn)動
        4.2.4 網(wǎng)絡(luò)權(quán)值更新過程的批尺寸batch_size
            4.2.4.1 直游運(yùn)動
            4.2.4.2 轉(zhuǎn)彎運(yùn)動
    4.3 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
后記
攻讀碩士學(xué)位期間論文發(fā)表及科研情況


【參考文獻(xiàn)】：
期刊論文
[1]基于仿脊髓網(wǎng)絡(luò)的咽頜模式仿生胸鰭協(xié)調(diào)控制[J]. 劉強(qiáng),張永碩,周鑫華,楊慧珍.  機(jī)器人. 2020(02)
[2]基于海圖和改進(jìn)粒子群優(yōu)化算法的AUV全局路徑規(guī)劃[J]. 張岳星,王軼群,李碩,王曉輝.  機(jī)器人. 2020(01)
[3]仿生機(jī)器魚胸/尾鰭協(xié)同推進(jìn)閉環(huán)深度控制[J]. 李宗剛,夏文卿,葛立明,杜亞江.  機(jī)器人. 2020(01)
[4]多鏡頭組合式相機(jī)的全景SLAM[J]. 季順平,秦梓杰.  測繪學(xué)報. 2019(10)
[5]三關(guān)節(jié)仿生機(jī)器魚的設(shè)計與驗(yàn)證[J]. 李丹,熊明磊,辛康妹,陳龍冬.  兵工自動化. 2019(06)
[6]基于EMD與SVM的仿生機(jī)器魚人工側(cè)線智能探測方法[J]. 劉鈺,胡橋,趙振軼,魏昶.  水下無人系統(tǒng)學(xué)報. 2019(02)
[7]電活性聚合物PVC凝膠材料的3D直寫打印工藝[J]. 羅斌,陳花玲,徐雪杰,汝杰,朱子才.  機(jī)械工程學(xué)報. 2019(11)
[8]非慣性系下鰻魚機(jī)器人動力學(xué)建模與仿真[J]. 張安翻,李斌,王明輝,常建.  機(jī)械科學(xué)與技術(shù). 2019(01)
[9]基于二分圖最大匹配的多機(jī)器魚可控包含控制[J]. 陳世明,李海英,邵賽,夏振剛.  控制與決策. 2019(01)
[10]一種基于LSTM神經(jīng)網(wǎng)絡(luò)的短期用電負(fù)荷預(yù)測方法[J]. 張宇航,邱才明,賀興,凌澤南,石鑫.  電力信息與通信技術(shù). 2017(09)



本文編號：3682994