机器人

作者：赵峥韬, 赵文涛, 孙朝阳, 王瑾, 万兵

关键词：无人帆船, 可变遗忘因子, 极限学习机, 流式随机补丁, 误差补偿

无人帆船作为一种新兴的海洋观测平台，能够执行长时间、大范围和高时空分辨率的海洋观测任务。然而，由于海洋环境复杂多变且无人帆船的工作时空跨度较大，其行驶轨迹难以通过固定模型进行准确预报。针对这一现象，本文提出了一种基于VFOSELM-SRP（基于可变遗忘因子的在线顺序极限学习机－流式随机补丁）模型的路径预测方法，旨在解决“海鸥号”自主导航无人帆船的路径预测难题。该方法利用VFOSELM对无人帆船的坐标点进行实时预测，并采用SRP对预测误差进行补偿。为验证算法的有效性，在中国南海开展了“海鸥号”的实船实验并进行了数据采集。采集到的数据以流式形式输入模型，并对模型的预测性能进行了评估。实验结果表明，与固定遗忘机制的在线顺序极限学习机相比，本文提出的算法将平均距离误差减小了77.4%，均方根误差减小了78.3%，预测性能得到了显著提升。此外，为全面评估本文VFOSELM-SRP模型的预测效果，将其与其他先进的轨迹预测算法在训练时间和预测精度2个方面进行了比较，结果显示VFOSELM-SRP模型在训练时间与精度两方面均具有显著优势。

来源：2025年第2期

《机器人》期刊编辑部

查看机器人杂志2025年第2期