10.3404/j.issn.1672-7649.2022.15.012
基于神经网络的船体运动位姿预测方法
海上运输在全球贸易中发挥着重要作用,依靠船舶自动驾驶系统的高速环境感知和自主决策能力,可有效减少由于人为操控失误造成事故的发生率.针对远洋航行中由于船体型号多变、海域情况复杂等造成的数据集缺失问题,本文提出一种通过物理引擎人工生成波浪图像与船体运动位姿数据集的方法.同时,针对波浪与船体运动姿态的时序性特点,以及经典循环神经网络面临梯度爆炸、输入输出等长等问题,提出一种基于CNN卷积神经网络和GRU门控循环神经网络的船体运动姿态预测模型,通过卷积神经网络获取图片特征,并借助Encoder-De-coder 编码解码器结构,成功实现了以较短时间的数据对未来船体运动姿态(纵摇和横摇)的长时间和高精度预测.
船舶自动驾驶、运动姿态、时序预测、CNN、GRU
44
TP391(计算技术、计算机技术)
国防基础科研项目JCKY2018206B002
2022-09-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
55-59