[发明专利]一种中小型无人机自主着舰风速预测方法

权利要求书

1.一种中小型无人机自主着舰风速预测方法，包括：

步骤A：参数初始化及数据采样存储：对智能蜂群算法和极限学习机网络参数进行初始化设置，参数包括：智能蜂群算法的种群数量C_size、迭代次数I、最大迭代次数I_Max、误差阈值E_Goal、优化参数尺度D_parameter、迭代控制数I_Limit、优化参数下限R_low、优化参数上限R_up；极限学习机的网络输入节点数N_input、网络隐层节点数N_hide、输出节点数N_out、训练样本数N、输入节点参数采集次数Z、输入节点参数采集周期T_r、网络参数优化条件阈值Num；

对风速预测所需的极限学习机网络输入节点数据进行采集，并按照采集时间的先后顺序编号将其进行存储，极限学习机网络输入节点数据G＝[V_wind,D_wind,V_uav,T,P,H]，其中：V_wind为UCAV所处空间点实时风速、D_wind为风向、V_uav为UCAV航速、T为大气温度、P为大气压强、H为大气湿度；

对采集到的极限学习机网络输入节点数据进行归一化处理；归一化处理公式为：

Y＝2(G-G_min)/(G_max-G_min)-1 (1)

式中：G为采集的极限学习机网络输入节点数据，Y为采集的极限学习机网络输入节点归一化数据，G_max为G取值最大值，G_min为G取值最小值；

步骤B：极限学习机网络参数优化：根据当前时刻的前N个采样周期的极限学习机网络输入节点数据作为极限学习机网络训练样本数据，采用智能蜂群算法对极限学习机网络隐层节点权值和阈值进行优化计算，以优化计算得到权值和阈值作为极限学习机最终网络参数；

其中包括以下步骤：

步骤B1：随机生成ELM网络参数初始解；

步骤B2：计算ELM网络隐层节点输出值；

步骤B3：计算ELM网络隐层节点权值；

步骤B4：计算样本风速预测值；

步骤B5：计算ELM网络参数解适应度值；

步骤B6：生成ELM网络参数候选解；

步骤B7：计算ELM网络参数候选解概率；

步骤B8：判断迭代次数是否达到门限，输出最优极限学习机网络参数解向量；

步骤C：风速预测：采用智能蜂群算法优化后的极限学习机网络，结合当前时刻采样的极限学习机网络输入节点数据，对下一采样周期的风速进行在线预测；同时判断当前时刻是否满足极限学习机网络参数优化条件，当满足条件时进行极限学习机网络参数优化计算；

其中包括以下步骤：

步骤C1：利用优化训练后的极限学习网络对风速进行预测；

步骤C2：判断当前输入节点参数采集次数Z是否为极限学习机网络参数优化条件阈值Num的整数倍，若当前输入节点参数采集次数Z是Num的整数倍，则转入步骤B利用智能蜂群算法对极限学习机网络参数进行在线优化；若Z不是Num的整数倍，则转入步骤C1继续对风速进行预测。