基于LSTM神经网络的舰船航行位置预测.pdf
《基于LSTM神经网络的舰船航行位置预测.pdf》由会员分享,可在线阅读,更多相关《基于LSTM神经网络的舰船航行位置预测.pdf(4页珍藏版)》请在咨信网上搜索。
1、总第351期1引言舰船综合导航系统一般配置卫星导航设备(以下简称“卫导”)、惯性导航设备(以下简称“惯导”)、天文导航设备(以下简称“天导”)等位置信息传感器,并对传感器输出信息进行融合处理,从而提供实时统一的位置信息。在某些特殊场景下,舰船航行对位置信息精度要求较高,例如狭水道航行。而位置信息传感器提供的位置信息精度会受到其工作特性或工作环境的影响,如:卫导易受信号遮蔽、多径效应、信号失锁和电子欺骗等因素影响,天导精度受天气条件限制,惯导系统存在误差漂移1。这些原因都会从不同程度上影响综合导航系统融合位置信息的精度与稳定性。本文在利用传统导航传感器量测信息的基础上,结合船舶操控与推进系统信息
2、,气象水文信息,基于长短期记忆(Long Short Term Memory,LSTM)神经网络构建舰船航行位置预测模型,实现舰船未来时刻航行位置的精确预测,解决因信号遮蔽、多径效应等原因引起的高精度定位不稳定或异常,导致综合导航系统融合位置信息精度下降的问题,为舰船在狭水道等特殊水域的安全航行提供辅助与支持。舰 船 电 子 工 程Ship Electronic Engineering总第 351 期2023 年第 9 期Vol.43 No.9收稿日期:2023年3月13日,修回日期:2023年4月19日作者简介:韩旭,男,硕士,工程师,研究方向:软件设计。孙文本,男,硕士,工程师,研究方向:
3、软件设计。周智楠,男,硕士,高级工程师,研究方向:软件设计。苑海静,女,硕士,高级工程师,研究方向:软件设计。基于 LSTM 神经网络的舰船航行位置预测韩旭孙文本周智楠苑海静(天津航海仪器研究所天津300131)摘要针对狭水道航行等对位置信息精度与稳定性要求较高的场景,提出一种基于长短期记忆(Long Short TermMemory,LSTM)神经网络的舰船航行位置预测模型。完成模型构建的同时,结合导航系统、操控与推进系统、气象水文系统的航行试验历史数据,对模型进行了训练与测试,实现了对未来时刻舰船航行位置的预测。试验结果表明,舰位预测模型根据船舶航行历史数据对未来时刻航行位置的预测具有较高
4、的准确性与稳定性,能够对船舶在狭水道航行等特殊场景下的安全航行提供辅助与支持。关键词导航系统;LSTM;神经网络;位置预测中图分类号O141.4DOI:10.3969/j.issn.1672-9730.2023.09.013Ship Navigation Position Prediction Based on LSTM NeuralNetworkHAN XuSUN WenbenZHOU ZhinanYUAN Haijing(Tianjin Navigation Instruments Research Institute,Tianjin300131)AbstractA ship naviga
5、tion position prediction model based on LSTM neural network is proposed for narrow channel navigation scenarios that require high accuracy and stability of position information.At the same time,the model is trained and testedbased on the historical data of navigation system,control and propulsion sy
6、stem and hydro-meteorological system,and the prediction of ships navigation position in the future is realized.The test results show that the ship position prediction model has high accuracy and stability in predicting the future navigation position according to the ship navigation history data,and
7、can provide assistance and support for the navigation safety of ships in special scenarios such as narrow channels.Key Wordsnavigation system,LSTM,neural network,position predictionClass NumberO141.458舰 船 电 子 工 程2023 年第 9 期2LSTM神经网络LSTM 神经网络是循环神经网络(RecurrentNeural Network,RNN)的一种。RNN是包含循环的神经网络,能够处理连
8、续的序列数据,允许信息的持久化。LSTM单元结构主要由遗忘门、输入门、输出门和细胞状态构成,如图1所示24,通过引入细胞状态和门机制,有效克服了RNN在训练过程中常见的梯度消失问题。图1LSTM神经网络重复模块结构图其中遗忘门决定从细胞状态中丢弃哪些信息。该门会读取当前时刻输入与上一时刻输出,并为细胞状态的每一个元素输出一个01之间的数值,0表示完全遗忘,1表示完全保留,其计算方式为ft=(Wfht1,xt+bf)(1)输入门决定哪些信息被存放在细胞状态中。这里包含两部分,sigmoid 层决定更新哪些元素,tanh层创建一个新的候选元素向量,其计算方式为it=(Wiht1,xt+bi)(2)
9、Ct=tanh()WCht1,xt+bC(3)细胞状态更新:Ct=ftCt1+itCt(4)输出门决定输出哪些值,输出将会结合输入和细胞状态信息,其计算方式为ot=()W0ht1,xt+b0(5)ht=ottanh()Ct(6)3基于LSTM神经网络的舰船航行位置预测模型3.1模型结构由于船舶航行数据具有时序特征,所以本文选取LSTM神经网络做为舰位预测模型的隐层结构,同时为了在保证模型复杂度的前提下提高模型的泛化能力与鲁棒性,将模型隐层数设置为两层。基于 LSTM神经网络的舰船航行位置预测模型结构如图2所示。图2基于LSTM神经网络的舰船航行位置预测模型模型输入为舰船导航信息、操控与推进信息
10、、气象水文信息;输出为目标时刻位置坐标,即预测结果。模型输入、输出数据类型与维度如下所示:xi=经度,纬度,左轴系转速,右轴系转速,左舵角,右舵角,左螺旋桨螺距,右螺旋桨螺距,对水速度,航迹速,东向速度,北向速度,垂向速度,航迹向,水深,流速,流向,平均真风速,平均真风向,平均相对风向,平均相对风速yi=目标时刻经度,目标时刻纬度3.2模型优化3.2.1Mini-batch随机梯度下降本文选择 mini-batch随机梯度下降法对网络参数进行更新。在计算损失函数的时候,计算一个batch的损失,即每次更新模型时,采用一部分数据进行计算。这种方法能够在保持模型收敛稳定性的前提下,加快模型收敛速度
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 LSTM 神经网络 舰船 航行 位置 预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。