本发明公开了一种人工智能鱼模拟系统的流场识别方法,涉及人工鱼流场识别技术领域,使用集群式服务器并行采样,取得连续的流场时间序列信息数据,对数据进行预处理后,利用基于长时间序列的循环神经网络或卷积神经网络的侧线感知机不断地获取数据、进行训练和迭代,最终识别具有时间序列性质的流场序列数据信号,感知的流场信号包括但不限于流速、压力和涡量,并不断地将实验结果填充到实验数据库,对后生成的人工鱼起到记忆移植的效果,减少重复性错误的出现,本发明采用上述方法的一种人工智能鱼模拟系统的流场识别方法,可以从波幅、波频、波长等多个方面全面反映流场的特征,从而使得智能鱼在平台模拟中具备了对流场变化的连续感知能力。
1.一种人工智能鱼模拟系统的流场识别方法,其特征在于,包括以下步骤:S1:部署多个仿真环境,在仿真环境中部署深度学习训练后的智慧鱼,组成仿真测试数据库,对多个仿真环境进行仿真测试和并行采样,采集连续的流场时间序列信息数据,并对采集的连续的流场时间序列信息数据设置相应标记;S2:对采集的流场时间序列信息数据进行数据预处理,预处理后的连续流场时间序列信息数据被存入流场记忆数据库;S3:使用流场记忆数据库中的连续流场时间序列信息数据,采用监督学习方法,对基于神经网络的侧线感知机进行训练,并检验训练后的侧线感知机的识别能力,当侧线感知机不满足要求,返回步骤S1,继续采集数据和训练,当侧线感知机满足要求,进入下一步骤;S4:将符合使用要求的侧线感知机与人工智能鱼模拟系统进行耦合,在流场生境中进行仿真测试,侧线感知机持续地对当前流场进行判断与识别,得到识别结果,人工智能鱼模拟系统依据识别结果采取对应的游泳策略;S5:将S4中的仿真测试输入到步骤S1中的仿真测试数据库。
本文链接:http://www.vipzhuanli.com/tech/sell/s_2310866.html,转载请声明来源钻瓜专利网。