详情

原文传递基于真实海况强适应的船舶未来运动姿态预测方法及系统

专利名称：	基于真实海况强适应的船舶未来运动姿态预测方法及系统
摘要：	本发明提供了一种基于真实海况强适应的船舶未来运动姿态预测方法及系统，方法包括：利用不同时刻获取到的实船实时数据对初始预测模型进行迭代训练，得到实时预测模型；所述初始预测模型是由船舶历史运动数据进行训练得到；将当前时刻获取到的实船实时数据输入至所述实时预测模型中进行预测，得到实船运动预测数据本发明不断更新得到的实船实时数据作为训练数据不断对模型进行训练优化，使模型能够实现自我更新，实现模型对真实海况的强适应性，解决了现有技术中预测模型参数无法适应瞬息万变的海浪环境所带来的预测误差。
专利类型：	发明专利
申请人：	哈尔滨工业大学(威海);中国航空工业集团公司西安飞行自动控制研究所
发明人：	陈占阳;刘兴云;马钊;常绍平;桂洪斌
专利状态：	有效
申请日期：	2023-04-26T00:00:00+0800
发布日期：	2023-11-14T00:00:00+0800
申请号：	CN202310461492.3
公开号：	CN117048802A
代理机构：	北京维创华成知识产权代理事务所(普通合伙)
代理人：	石佩
分类号：	B63B79/30;G07C5/08;G06N3/0442;G06N3/08;B;G;B63;G07;G06;B63B;G07C;G06N;B63B79;G07C5;G06N3;B63B79/30;G07C5/08;G06N3/0442;G06N3/08
申请人地址：	264200 山东省威海市文化西路2号;
主权项：	1.一种基于真实海况强适应的船舶未来运动姿态预测方法，其特征在于，包括：利用不同时刻获取到的实船实时数据对初始预测模型进行迭代训练，得到实时预测模型；所述初始预测模型是由船舶历史运动数据进行训练得到；将当前时刻获取到的实船实时数据输入至所述实时预测模型中进行预测，得到实船运动预测数据。 2.根据权利要求1所述的一种基于真实海况强适应的船舶未来运动姿态预测方法，其特征在于，所述初始预测模型的网络结构为LSTM神经网络模型；所述LSTM神经网络模型包括依次连接的输入层、隐藏层和输出层。 3.根据权利要求2所述的一种基于真实海况强适应的船舶未来运动姿态预测方法，其特征在于，所述初始预测模型的构建方法包括：基于所述船舶历史运动数据对所述LSTM神经网络模型的各项参数进行训练，得到训练后的LSTM神经网络模型；调整所述训练后的LSTM神经网络模型的输入层、隐藏层和输出层各层之间的权函数系数，得到初始预测模型。 4.根据权利要求3所述的一种基于真实海况强适应的船舶未来运动姿态预测方法，其特征在于，所述LSTM神经网络模型的各项参数包括：单层神经元个数、隐藏神经元层层数、输入向量维度、输出向量维度、学习率、损失函数、激活函数、学习回合数。 5.一种基于真实海况强适应的船舶未来运动姿态预测系统，其特征在于，包括：训练模块，用于利用不同时刻获取到的实船实时数据对初始预测模型进行迭代训练，实现自动优化，得到对真实海况适应性更强的实时预测模型预测模块，将迭代训练优化后的实时预测模型更新为预测模块的实时预测模型。 6.根据权利要求5所述的一种基于真实海况强适应的船舶未来运动姿态预测系统，其特征在于，所述训练模块，还包括：初始预测模型构建单元，用于基于所述船舶历史运动数据对LSTM神经网络模型的各项参数进行训练，得到训练后的LSTM神经网络模型；调整单元，用于调整所述训练后的LSTM神经网络模型的输入层、隐藏层和输出层各层之间的权函数系数，得到初始预测模型。
所属类别：	发明专利