公开(公告)号：CN112684701A

公开(公告)日：2021-04-20

申请号：CN202011382145.4

申请日：2020-12-01

Applicant: 哈尔滨工程大学

Inventor： 孙骞 ,  唐忠 ,  董千慧 ,  李一兵 ,  叶方 ,  田园 ,  于飞

IPC: G05B13/04

Abstract: 本发明公开了一种基于长短时记忆网络和高斯过程回归的船舶运动预报方法。对获取的某一自由度下的船舶运动历史数据进行归一化处理，形成船舶运动原始时间序列；将原始时间序列分为训练集和测试集；训练集和测试集重新构造数据集，建立长短时记忆网络LSTM模型进行预测，得到第一次船舶运动的预测结果；重新构造数据集，建立高斯过程回归GPR模型进行预测，得到第二次船舶运动的预测结果；将高斯过程回归模型得到的预测结果进行反归一化，得到最终的船舶运动预测结果。本发明针对高度非线性的船舶运动，在获得高精度的点预测结果的同时还能得到具有概率分布意义的船舶运动区间预测结果。

公开(公告)号：CN112762938A

公开(公告)日：2021-05-07

申请号：CN202011552599.1

申请日：2020-12-24

Applicant: 哈尔滨工程大学

Inventor： 孙骞 ,  张国昌 ,  唐忠

IPC: G01C21/20 ,  G06F17/16

Abstract: 本发提供了了一种基于旋转矩阵的因子图协同定位方法：首先构建基于旋转矩阵的协同定位方法因子图模型，在因子图方法流程中加入旋转矩阵因子节点，然后建立基于旋转矩阵的协同定位方法，构造旋转矩阵以及设计旋转角度，并对系统的位置状态信息进行滤波更新，最后通过传递的概率密度函数对系统的位置状态进行滤波融合估计；从而实现在不改变系统中惯性器件的测量精度的情况下，通过实时在因子图内部变换主从艇的坐标值，使得参与因子图计算的主从艇坐标不一致，解决常规的因子图协同定位方法定位误差突然增大的问题，增强协同定位系统的鲁棒性。

公开(公告)号：CN112762938B

公开(公告)日：2022-08-09

申请号：CN202011552599.1

申请日：2020-12-24

Applicant: 哈尔滨工程大学

Inventor： 孙骞 ,  张国昌 ,  唐忠

IPC: G01C21/20 ,  G06F17/16

Abstract: 本发提供了了一种基于旋转矩阵的因子图协同定位方法：首先构建基于旋转矩阵的协同定位方法因子图模型，在因子图方法流程中加入旋转矩阵因子节点，然后建立基于旋转矩阵的协同定位方法，构造旋转矩阵以及设计旋转角度，并对系统的位置状态信息进行滤波更新，最后通过传递的概率密度函数对系统的位置状态进行滤波融合估计；从而实现在不改变系统中惯性器件的测量精度的情况下，通过实时在因子图内部变换主从艇的坐标值，使得参与因子图计算的主从艇坐标不一致，解决常规的因子图协同定位方法定位误差突然增大的问题，增强协同定位系统的鲁棒性。