基于BP神经网络的非线性流域UUV动态回收过程预测

针对水下无人自主航行器(UUV)回收过程中流域存在非线性干扰问题,提出了一种基于BP神经网络优化UUV回收路径的闭环控制方法。采用计算流体力学(CFD)方法模拟UUV相对于潜艇以不同路径进行回收的水动力系数,将数值模拟结果作为训练BP神经网络的初始数据,利用拉丁超立方法对非线性流域的位置随机采样,采用神经网络输出UUV在采样处的水动力系数,实现非线性流域内UUV动态回收过程的水动力系数预测。结果表明:通过均方根检验神经网络预测水动力系数误差均在10%范围内。将神经网络预测结果与UUV纵向操纵性方程结合,对比回收速度和操舵间隔与理论回收轨迹的误差,优化UUV动态回收路径的闭环控制方案。

水文学的现状及未来

分析水文现象的复杂性及还原论的缺陷,探讨水文学发展的动力,总结现行水文学的理论基础及局限性,指出流域水文模型发展中可能存在的误区。最后,对水文学必须从"线性"向"非线性"拓展进行了初步讨论。