基于Transformer-LSTM的双全回转推进拖轮运动姿态预测方法研究OA
为了提高船舶在复杂海况和多变环境下的运动姿态预测模型的精度和鲁棒性,提出基于Transformer和LSTM神经网络结合的双全回转推进拖轮运动姿态预测方法.以双全回转推进港作拖轮为研究对象,以舵角为控制变量,输入为过去多个时刻的横荡速度、纵荡速度和转艏角速度,以预测下一时刻船舶的横荡速度、纵荡速度和转艏角速度.对采集的船舶运动时间序列数据进行归一化处理后,采用Transformer提取数据特征,将得到的隐藏状态编码作为长短期记忆网络(LSTM)输入,对其进行解码和训练,预测下一时刻的运动趋势.与传统的LSTM模型进行对比结果表明,本文构建的Transformer-LSTM模型对预测转艏角速度和横荡速度的预测精度改进明显,分别提升了16.9%~20.9%和30%~50%,为提高船舶运动姿态预测精度提供了一种可行的方法.
刘佳仑;柳芊;李诗杰;胡欣珏
武汉理工大学水路交通控制全国重点实验室,湖北武汉430063 武汉理工大学智能交通系统研究中心,湖北武汉430063 湖北东湖实验室,湖北武汉420202武汉理工大学交通与物流工程学院,湖北武汉430063武汉理工大学水路交通控制全国重点实验室,湖北武汉430063 武汉理工大学交通与物流工程学院,湖北武汉430063武汉理工大学水路交通控制全国重点实验室,湖北武汉430063 武汉理工大学智能交通系统研究中心,湖北武汉430063 湖北东湖实验室,湖北武汉420202
交通工程
长短期记忆网络(LSTM)Transformer船舶运动姿态预报全回转推进拖轮时序预测
《华中科技大学学报(自然科学版)》 2026 (2)
P.140-146,7
国家重点研发计划资助项目(2022YFB4301402)国家自然科学基金资助项目(52272425)海洋工程全国重点实验室(上海交通大学)开放基金资助项目(GKZD010089)。
评论