(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111065282.X (22)申请日 2021.09.12 (65)同一申请的已公布的文献号 申请公布号 CN 113792486 A (43)申请公布日 2021.12.14 (73)专利权人 西北工业大 学 地址 710072 陕西省西安市友谊西路127号 (72)发明人 彭星光　胡浩　冀海军　宋保维　 潘光　张福斌　高剑　李乐　 张立川　 (74)专利代理 机构 西安凯多 思知识产权代理事 务所(普通 合伙) 61290 专利代理师 高凌君 (51)Int.Cl. G06F 30/27(2020.01)G06F 30/28(2020.01) G06F 30/15(2020.01) G06K 9/62(2022.01) G06N 3/00(2006.01) G06F 113/08(2020.01) (56)对比文件 CN 113361777 A,2021.09.07 周耀鉴等.水下滑翔机海 洋环境深平均流估 计方法. 《信息与控制》 .2016,(第04期), 周耀鉴等.基于局部流场构建的水 下滑翔机 路径规划. 《机 器人》 .2018,(第01期), 审查员 张一良 (54)发明名称 一种基于VMD-SSA -LSSVM的水下滑翔机深平 均流预测方法 (57)摘要 本发明提出一种基于V MD‑SSA‑LSSVM的水下 滑翔机深平均流预测方法， 首先将原始深平均流 数据看作时间序列， 用前若干个剖面的深平均流 历史数据作为样本， 预测AUG下一剖面的深平均 流。 当AUG滑行下一剖面得到真实的深平均流时， 将真实的深平均流再累加到时间序列中。 利用 LSSVM方法对各子时间序列分别进行预测， 然后 再将各预测结果叠加即可得到下一剖面的深平 均流。 另外， 为了提高算法的鲁棒性， 引入 麻雀搜 索算法优化LSSV M方法中的正则化因子和松弛变 量， 提高算法在复杂洋流环境下的预测效果。 权利要求书4页 说明书11页 附图4页 CN 113792486 B 2022.09.13 CN 113792486 B 1.一种水 下滑翔机深平均流预测方法， 其特 征在于： 包括以下步骤： 步骤1： 建立精简深平均流计算模型， 并根据精简深平均流计算模型得到AUG每个滑翔 剖面的真实深平均流大小以及方向； 步骤2： 将AUG每个滑翔剖面计算的真实深平均流按照时间顺序构成时间序列， 然后用 变分模态分解方法将时间序列分解 为若干子时间序列； 步骤3： 将子时间序列进行归一 化处理； 步骤4： 采用最小二乘支持向量机建立深平均流预测模型， 并利用SSA算法对深平均流 预测模型中的正则化因子γ和松弛变量ξ进行优化， 寻找最优参数组合[γ， ξ ]； 步骤5： 使用优化后的深平均流预测模型分别对各子时间序列进行 预测； 步骤6： 将经度方向和纬度方向的深平均流预测结果反归一化， 并求出AUG下一剖面深 平均流的大小及方向； 步骤7： AUG继续滑翔一个剖面， 按照步骤1计算得到下一剖面的真实深平均流并将其累 加到深平均流时间序列中得到最新时间序列； 若预测结束， 则退出， 否则 返回步骤2继续预 测之后滑翔剖面深平均流。 2.根据权利要求1所述一种水下滑翔机深平均流预测方法， 其特征在于： 步骤1中， 根据 精简深平均流计算模型 得到AUG每 个滑翔剖面的真实深平均流大小以及方向： 假设AUG每个剖面的滑翔任 务参数相同， 下潜深度为D， 下潜俯仰角为γ1， 上浮俯仰角为 γ2； 则AUG滑翔一个剖面的理论 航行距离为： 设AUG第n(n≥2， n∈Z+)滑翔剖面的航向角为yaw， 理论出水位置为Pntheory＝(lonntheory， latntheory)， 实际出水位置为Pnactual＝(lonnactual， latnactual)， 第n‑1剖面的实际出水位置为 P(n‑1)actual＝(lon(n‑1)actual， lat(n‑1)actual)； 实际出水位置由AUG自身设备确定， 理论出水位置 通过计算得到： Pntheory＝P(n‑1)actual+(S·cos(yaw)， S ·sin(yaw)) Pntheory与Pnactual之间的水平 距离为： 则第n剖面的真实深平均流大小为： 其中， T为AUG滑翔一个剖面的时间； 第n剖面的真实深平均流方向为： 3.根据权利要求1所述一种水下滑翔机深平均流预测方法， 其特征在于： 步骤2中首先 将计算得到的真实深平均流按照经度方向和纬度方向进行分解， 然后分别按照时间顺序排 列成经度方向和纬度方向深平均流时间序列， 最后用VMD方法将这两类时间序列分别分解 为m组子时间序列。权　利　要　求　书 1/4 页 2 CN 113792486 B 24.根据权利要求3所述一种水下滑翔机深平均流预测方法， 其特征在于： 步骤2得到具 体过程为： 将真实深平均流按照经度方向和 纬度方向进行分解： 第n剖面经度方向和 纬度方向的深平均流分别为： 设滑翔机共滑翔了l个剖面， 则经度方向和 纬度方向的深平均流时间序列分别为： Vlon＝{v1dav_lon,v2dav_lon,…,vldav_lon} Vlat＝{v1dav_lat,v2dav_lat,…,vldav_lat} 对于经度方向深平均流时间序列Vlon， 利用VMD信号分解方法， 将Vlon分解为m组子时间 序列： 对于纬度方向深平流时间序列Vlat， 也利用VMD信号分解方法， 分解 为m组子时间序列。 5.根据权利要求1所述一种水下滑翔机深平均流预测方法， 其特征在于： 步骤3 中， 分别 对经度方向和纬度方向深平均流子时间序列归一化处理， 将序列内的数据归一化到[0， 1] 区间。 6.根据权利要求4所述一种水下滑翔机深平均流预测方法， 其特征在于： 步骤4中， 建立 深平均流预测模型的过程 为： 设相关剖面的个数为k； 以建立并训练经度 方向的深平均流预测模型为例， 将经度方向 深平均流子时间序列分为K＝l ‑k组数据集， 设前K ‑1组数据为训练数据集， 则第i组经度方 向深平均流子时间序列的训练集输入和输出分别为： 设第K组数据为预测数据集输入， 则第i组经度 方向深平均流子时间序列的预测集输入 为：权　利　要　求　书 2/4 页 3 CN 113792486 B 3