基于不确定性的AUV仿真模型验证及小子样试验分析研究

As a tool for exploring and defending coastal area, autonomous underwater vehicle (AUV) plays a vital role. The validation and test analysis of AUV feature small-sample, uncertain and non-linear, etc.. Whether AUV theory and application can mature rapidly depends on that whether the credibility of simulated models can be efficiently validated and whether the high accuracy of statistical inference for small sample can be achieved.Based on above, the proposed project will concentrate on validation of simulated models based on uncertainty and Bayesian assessment arithmetic in the presence of small-sample data. The deficiency of previous solutions is to be conquered with the support of field test data. The project is to systemically study the methods on model validation and research on representation of the overall credibility level of complex system. A complete solution for AUV small-sample data statistical inference and sequential test is proposed and the factors that affact the solution performance will be deeply studied. Bayesian theory is introduced into the grey-box identification,which will improve the identification efficiency in presence of correct prior information.The project is to enhance the theory and application technology for AUV models test analysis with small sample and to accelerate the process of AUV small sample test and modeling and simulation (M&S).

作为探索和戍卫海洋的重要工具，自主水下航行器（AUV）发挥着重要作用，其仿真模型的验证及试验分析具有小子样、不确定、涌现性与非线性等特点。能否有效的验证仿真模型的可信度和实现高精度的小子样试验数据的统计推断决定着AUV技术走向成熟的进程。基于此，本课题以基于不确定性的仿真模型验证及小子样条件下高精度数据统计推断算法的实现为基点和突破口，力求克服现有的模型验证及数据分析方法在小子样AUV模型应用中存在的不足，在实现AUV模型有效验证及高精度估计的同时充分利用现有实航试验数据。 系统研究AUV动态仿真模型的验证方法，并探究复杂系统综合可信度表征方法；建立完备的AUV小子样数据统计推断与序贯检验解决方案，并探究其影响因素；引入Bayes思想进行灰箱系统辨识，充分利用先验信息提高辨识精度。本项目的顺利开展将为小子样AUV模型验证及试验分析提供理论基础及技术积累，加快AUV小子样试验及仿真建模进程。

作为探索和戍卫海洋的重要工具，自主水下航行器（AUV）发挥着重要作用，能否有效的验证仿真模型的可信度和实现高精度的小子样试验数据的统计推断决定着AUV技术走向成熟的进程。课题基于小子样、不确定、涌现性与非线性出发,研究AUV静态模型参数统计推断、动态模型验证方法。提出了完备的AUV最大航程、目标搜索概率的点估计、区间估计、假设检验等试验数据统计推断分析方案，并制定了正态分布、二项分布等静态参数常用分布下的截尾假设检验的试验样本量参考表，为AUV指标鉴定试验提供了参考基础。基于不确定性的类型，提出了AUV动态模型验证中的基本可信度与综合可信度概念，研究了基本可信度的分辨力问题，并提出了使用混合动态MADM方法进行AUV动态模型验证的方法，提出了普适化决策准则、权重分配等在内的完整的混合动态MADM问题解决方案。参考Bayes思想在AUV静态模型参数统计推断中的应用对统计推断性能的改善，将先验信息与灰箱辨识结合应用在AUV运动模型等结构化模型的验证中，基于稳态响应先验进行结构参数的辨识，将动态模型的时频域验证转化为静态数据的一致性检验，提供了基于静态参数一致性检验实现结构化动态模型验证的方法，建立了静态模型验证与动态模型验证之间的方法纽带。在AUV平台技术研究数据传输与智能接收方面，在基于盲检测的OSNR及码速率的估计方法、实时的基于多维ADTPE和SVM的调制方式的识别方法、基于部分信息的概率隐形传态进行传输信息的智能识别等方法的研究及实验性能验证为课题研究开展提供了良好的平台基础。

内容获取失败，请点击重试