.png){kind=icon}
返回
Underwater Moving Target Localization Based on High-Density Pressure Array Sensing
.png){kind=icon}
OA
AI
DOI：10.3390/jmse14050484.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工侧线传感原理为复杂流环境中水下目标的感知与水下车辆的导航提供了一种有前景的方法。然而，复杂流场中的高度非线性水动力学机制使得建立精确的解析模型较为困难，这限制了高精度水下运动目标感知与定位方法的发展。本研究建立了一个高保真仿真模型，以表征移动源在人工侧线压力阵列上诱发的压力场变化。系统研究了源速度和传感距离对压力阵列灵敏度及离散化特性的影响。仿真结果表明，压力阵列的传感器密度与采集压力数据的空间分辨率强相关，并通过平衡传感精度与传感器数量，选定每米50个传感器的配置为最佳性能方案。在该配置下，移动源诱发的压力分布展现出清晰可辨的时空特征，适合用于基于深度学习的建模。此外，基于多运动方向和速度条件下的高保真仿真，构建了一个大规模时序压力数据集，并采用时空神经网络预测水下移动源的位置。实验结果显示，对于直线水下运动场景，平均定位误差在7 cm以内，实际工程实验中达到71%的分类精度。这些结果表明，所提出的人工侧线压力阵列设计与基于深度学习的预测框架为复杂流环境中的水下目标感知与定位提供了一种可行且有效的解决方案。
Keyword:
artificial lateral line sensing
underwater target localization
pressure array sensing
spatiotemporal neural network
marine sensing
期刊
IF:
2.8
论文数:
4.7K
被引数:
2.3W
机构
引用论文
Localisation of Unmanned Underwater Vehicles (UUVs) in Complex and Confined Environments: A Review在复杂和受限环境中定位无人水下航行器 (uuv): 综述.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏分享收藏
查看更多内容