10.16615/j.cnki.1674-8190.2020.01.010
基于Bi-LSTM的无人机轨迹预测模型及仿真
传统轨迹预测模型存在模型简化较大、考虑因素较少等问题.结合飞行轨迹连续性、时序性、交互性的特点,提出基于双向长短期记忆(Bi-LSTM)神经网络的轨迹预测模型,将入侵者的位置、姿态和两机的相对信息同时作为轨迹预测模型的输入,更加符合真实轨迹变化规律;对建立的基于 Bi-LSTM的轨迹预测模型采用综合考虑动量和速度的自适应调整学习步长的学习算法进行训练;并与基于 Elman神经网络的轨迹预测模型进行仿真对比分析.结果表明:与基于 Elman神经网络的轨迹预测模型相比,所提模型在不同方向预测 200个点的平均绝对误差不超过4 m,三维预测效果更优,可以较为准确地进行轨迹预测.
无人机、轨迹预测、Bi-LSTM、循环神经网络、自主防撞、时间序列
11
V249.122+.3;E844(航空仪表、航空设备、飞行控制与导航)
国家自然科学基金61503409
2020-03-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
77-84