[发明专利]基于OS‑ELM算法的无人船环境调节方法

权利要求书

1.一种基于OS-ELM算法的无人船环境调节方法，其特征在于，包括以下步骤：

构建无人船的实验环境，采集无人船航行数据；

根据无人船航行数据，行成样本集；

采用OS-ELM算法对所述样本集进行处理，得到无人船内环境和外环境的耦合关系；

根据所述耦合关系和无人船在实际航行中所采集的数据进行匹配，来调节在实际航行中无人船的内环境和外环境。

2.根据权利要求1所述的基于OS-ELM算法的无人船环境调节方法，其特征在于，所述构建无人船的实验环境，具体包括：

在无人船上安装内部环境传感器和外部环境传感器；

所述外部环境传感器与外部环境上位机连接；

所述内部环境传感器通过实验现场总线与内部环境上位机连接；

所述内部环境上位机和外部环境上位机分别与服务器相连。

3.根据权利要求1所述的基于OS-ELM算法的无人船环境调节方法，其特征在于，所述采用OS-ELM算法对所述样本集进行处理，具体包括：

所述样本集被传送至服务器；

随机取m％的样本集中样本完成OS-ELM算法的初始阶段，得到单层前馈神经网络的输出权重矩阵β的表达式，所述m％小于50％；

随机取(1-m％)的样本集，结合单层前馈神经网络的输出权重β矩阵的递推公式，完成OS-ELM算法的学习阶段，得到完善后的单层前馈神经网络的输出权重矩阵β。

4.根据权利要求3所述的基于OS-ELM算法的无人船环境调节方法，其特征在于，所述随机取m％的样本集中样本完成OS-ELM算法的初始阶段，具体包括：

设定网络隐节点数L；

随机取出所述样本集N(x，t)中m％的样本N’(x_j，t_j)，j＝1、2……n，其中n>>L；

随机取隐节点输入权值a_i和阀值b_i，i＝1、2……L；

求出隐含层输出函数G(a_i,b_i,x)，从而得到神经网络的隐含层输出矩阵H₀；

求出等价输入变量r，从而得到神经网络的输出矩阵R。

5.根据权利要求4所述的基于OS-ELM算法的无人船环境调节方法，其特征在于，所述求出隐含层输出函数G(a_i,b_i,x)，从而得到神经网络的隐含层输出矩阵H₀，具体包括：

所述隐含层输出函数G(a_i,b_i,x)的计算公式为：

G(a_i,b_i,x)＝g(a_i·x+b_i) (1)

公式(1)中，其中g为激活函数，采用Sigmoid函数求得；a_i·x代表隐节点输入权值向量a_i和样本向量x的内积；所述隐节点输入权值a_i和阀值b_i的取值在[-1，1]之间；

所述神经网络的隐含层输出矩阵H₀的计算公式为：

公式(2)中，g₁₁……g_mn代表隐含层输出函数G(a_i,b_i,x)的不同取值。