一种基于Conv-Bi-LSTM模型的船舶升沉运动预测系统及预测方法

    公开(公告)号:CN116280094A

    公开(公告)日:2023-06-23

    申请号:CN202310041144.0

    申请日:2023-01-12

    Abstract: 本发明提出了一种基于Conv‑Bi‑LSTM模型的船舶升沉运动预测系统及预测方法;获取船舶历史运动数据,建立运动信息的数据集,对所述数据集进行预处理,对数据集进行随机拆分,获取训练数据集和测试数据集;采用Conv‑Bi‑LSTM模型构建船舶升沉预测模型,训练数据集训练Conv‑Bi‑LSTM网络,获得船舶升沉预测模型;将所述测试数据集输入船舶升沉运动预测模型进行预测,获取到测试数据预测精度,使用平均误差MAE、均方误差MSE、均方根误差RMSE和平均绝对百分比误差MAPE评价指标评价模型的性能;本发明把多个自由度历史运动信息当做模型的输入,对船舶升沉进行综合预测,充分利用了运动时间序列的正向反向两个时间状态信息,提高了升沉运动的预测精度。

    一种基于MEMS/水声测距的AUV多状态估计协同定位方法

    公开(公告)号:CN116182857A

    公开(公告)日:2023-05-30

    申请号:CN202310026424.4

    申请日:2023-01-09

    Abstract: 本发明公开了一种基于MEMS/水声测距的AUV多状态估计协同定位方法。步骤1:建立协同系统AUV多状态估计方程;步骤2:建立协同系统AUV量测方程,并采用一阶泰勒展开进行线性化处理;步骤3:基于步骤1多状态估计方程和步骤2的量测方程,采用卡尔曼滤波算法,对系统的状态信息进行滤波更新。本发明提出的协同定位方案可大大降低协同系统的成本,同时通过水声测距信息实现对跟随AUV的多个状态量的估计,大大提高了定位精度。

    一种基于双向LSTM神经网络的光纤惯性测量装置应力加速稳定方法

    公开(公告)号:CN115962777A

    公开(公告)日:2023-04-14

    申请号:CN202310030826.1

    申请日:2023-01-10

    Abstract: 本发明是一种基于双向LSTM神经网络的光纤惯性测量装置应力加速稳定方法。本发明涉及高精度惯性测量技术领域,本发明建立光纤陀螺参数漂移预测的双向LSTM网络模型,然后对网络进行训练完成模型参数的寻优,实现对光纤惯性测量装置零偏误差模型时间序列复杂特性的精确表征。通过搭建的基于双向LSTM神经网络的应力加速稳定装置获得光纤陀螺和石英加速度计的静态输出数据后。将训练集输入到双向LSTM神经网络中训练,迭代优化网络权重,获得最终的光纤惯性测量装置应力加速稳定参数漂移预测模型。然后使用测试集进行评估,对输出值进行反归一化后,计算真值与预测值的差异。

Patent Agency Ranking