由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解（EMD）和粒子群优化（PSO）的长短期记忆神经网络（LSTM）的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数（IMF）。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。
类型: 期刊论文
作者: 彭秀艳,张彪
关键词: 组合模型,长短期记忆,神经网络,经验模态分解,船舶运动姿态预测,粒子群优化
来源: 中国惯性技术学报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 船舶工业
单位: 哈尔滨工程大学自动化学院
基金: 国家自然科学基金（6103091）
分类号: U661.321
DOI: 10.13695/j.cnki.12-1222/o3.2019.04.001
页码: 421-426
总页数: 6
文件大小: 870K
下载量: 315
本文来源: https://www.lunwen66.cn/article/18eee54abf0370bee66a5724.html