基于鱼侧线感知原理和深度学习的水下平动目标方向识别

作     者：张勇 郑贤德 季明江 林鑫 邱静 刘冠军 ZHANG Yong;ZHENG Xiande;JI Mingjiang;LIN Xin;QIU Jing;LIU Guanjun

作者机构：国防科技大学智能科学学院长沙410073 国防科技大学装备综合保障技术重点实验室长沙410073 

出 版 物：《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期：2020年第56卷第12期

页      面：231-239页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 082601[工学-武器系统与运用工程] 0826[工学-兵器科学与技术] 0802[工学-机械工程] 0835[工学-软件工程] 0701[理学-数学] 0801[工学-力学（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(51675528 51605482) 

主　　题：仿生鱼侧线 深度学习 水下平动目标方向识别 

摘      要：鱼侧线感知原理为潜航器水下目标感知技术研究提供了一种新的思路,但由于流场模型难以准确构建,基于模型的解析方法难以准确感知水下平动目标,提出基于鱼侧线感知原理和深度学习的水下平动目标方向识别方法。通过构建偶极子源周围压力场分布模型分析鱼侧线感知目标原理,在理论上分析压力变化与偶极子源尺寸、运动参数、位置的关系,理论分析表明,流场中压力的大小与偶极子源的位置密切相关,偶极子源振动频率处的压力变化特征明显,可用于训练和识别。采用时频分析方法处理压力传感器信号并提取时频分布特征,研究表明不同平动方向产生的压力变化具有不同的时频分布特征。提出利用卷积神经网络训练压力传感器信号,进而识别水下平动目标方向。在十字形传感器阵列及试验平台上开展试验验证,试验结果表明水下平动目标方向综合识别准确率在80%以上。在无需准确建立流场模型的情况下,通过深度学习可较准确识别水下平动目标,为潜航器水下目标感知提供了一种新的技术途径。