基于改进LSTM的船舶操纵运动在线预报方法研究.pdfVIP

基于改进LSTM的船舶操纵运动

在线预报方法研究

摘要

为了提高船舶操纵性运动在线预报模型的泛化能力，针对航行船舶所处海洋环境的实时变化，将长短期

记忆（LSTM）神经网络模型与注意力机制相结合，提出了改进的长短期记忆神经网络模型。基于船舶在不

同波高和浪向下回转运动的仿真试验数据，设计神经网络的学习样本。通过对样本的学习，完成了船舶操纵

性运动的在线预报。研究结果表明，改进的长短期记忆神经网络模型可在新的波浪环境下对船舶操纵性运动

进行准确的在线预报。

关键词：船舶操纵；长短期记忆神经网络；注意力机制

0引言

伴随着人工智能技术与船海装备的深度融合，智能船艇成为未来军用和民用船舶发展的重要方向。

智能航行是智能船艇的核心功能，而航行控制算法的开发，需要经过大量的调试和测试工作才能确保

其功能的安全和可靠。由于借助实船的智能航行系统的调试与测试周期漫长，油耗及人力成本高昂，

借助模拟器进行船艇智能航行系统算法调试和测试的方法逐渐被使用。模拟器的仿真程度，取决于船

艇实海域操纵运动模型的准确程度。

在实海域环境中，船艇操纵性运动模型具有高度动