技术特征：
技术总结
本发明提供的是一种基于深度学习的AUV控制系统优化与故障监测方法。(1)将AUV控制器发出的控制信号经过AUV模型模拟得出理论状态值；(2)将得出的理论状态值与AUV传感器的实测状态值比较得出一组残差信号；(3)将所述残差信号送入故障检测器，故障检测器为已经训练好的深度神经网络DNN，DNN网络输出向量即为各推进器补偿量；(4)将补偿量与阈值进行比较来判断是进行控制量补偿还是发生了故障。本发明能够提高提升AUV系统控制系统的精确指令输出并且可以提高故障检测系统对故障信号的敏感程度从而提高系统鲁棒性。
技术研发人员：孙玉山;王子楷;张国成;王力锋;吴凡宇;贾晨凯;焦文龙;程俊涵
受保护的技术使用者：哈尔滨工程大学
技术研发日：2018.05.25
技术公布日：2018.11.06