典型文献
基于神经网络的船体运动位姿预测方法
文献摘要：
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.
文献关键词：
船舶自动驾驶;运动姿态;时序预测;CNN;GRU
中图分类号：
作者姓名：
谷达京;施哲源;陈根良;王皓
作者机构：
上海交通大学 上海市复杂薄板结构数字化制造重点实验室,上海200240;上海交通大学 弗劳恩霍夫协会智能制造项目中心,上海201306;上海交通大学 机械系统与振动国家重点实验室,上海200240
文献出处：
引用格式：
[1]谷达京;施哲源;陈根良;王皓-.基于神经网络的船体运动位姿预测方法)[J].舰船科学技术,2022(15):55-59
A类：
船舶自动驾驶
B类：
船体运动,位姿预测,海上运输,全球贸易,自动驾驶系统,环境感知,自主决策能力,操控,控失,失误,成事,远洋航行,体型,海域,物理引擎,波浪,运动姿态,时序性,输入输出,等长,GRU,门控循环神经网络,图片特征,Encoder,De,编码解码器,纵摇,横摇,精度预测,时序预测
AB值：
0.359667
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
