基于Mogrifier-BiGRU的飞行器机动轨迹预测方法技术

本发明专利技术提供了一种基于Mogrifier‑BiGRU的飞行器机动轨迹预测方法，将BiGRU和飞行器机动轨迹预测问题进行结合，充分考虑了循环网络隐层输出数据与输入数据间的耦合缺失问题，引入了Mogrifier耦合函数，解决了权重参数更新过程中历史信息被错误抛弃的问题。本发明专利技术可以很好地实现飞行器机动轨迹数据预测，极大地提高了六自由度机动轨迹数据预测的准确性与超前性，同时该网络模型对传入数据的序列长度及维度不具有限定，对数据具有较强的适应性，为提前判断目标飞行器位置和姿态信息提供了可靠的支持。

【技术实现步骤摘要】
基于Mogrifier-BiGRU的飞行器机动轨迹预测方法
本专利技术涉及飞行器飞行控制和人工智能领域，具体涉及一种飞行器多维机动轨迹预测方法。
技术介绍
随着航空科技的高速发展，对目标飞行器的机动及轨迹数据的预测技术成为世界各国科学研究领域的热点之一。传统的飞行器机动轨迹数据预测常采用线性回归法、差分自回归滑动平均模型、隐马尔可夫过程、时间序列分解法等，但这些方法无法充分分析各数据维度间的关联关系，因此在面对高维机动轨迹数据时，其预测准确性存在一定的局限。近些年，由于深度学习方法与人工智能理论的迅猛发展，在时序数据预测方面展现出了巨大的优势，利用深度学习强大的拟合能力，在飞行器机动轨迹数据的维度及序列长度问题上具有很强的适应性，能够深入剖析理解各维度数据间的关联特性，使预测特征得到充分表征。双向循环神经网络(BiRNN)于1997年由Schuster等人提出，该方法所包含的节点单元更新方式使得网络可以同时学习正向及反向时序数据间的关联关系，相比于单向RNN，大量的实验证明该方法在文本预测中可以取得更优异的表现，同时该方法也被证实在时序数据预测本文档来自技高网...

【技术保护点】
1.一种基于Mogrifier-BiGRU的飞行器机动轨迹预测方法，其特征在于包括以下步骤：/n1)建立固定间隔时序条件下飞行器的机动轨迹数据集；/n2)将机动轨迹数据集按照设定比例分割为训练集与测试集，并进行数据归一化处理；/n3)建立Mogrifier隐层输出与网络输入耦合交互模型/n

【技术特征摘要】
1.一种基于Mogrifier-BiGRU的飞行器机动轨迹预测方法，其特征在于包括以下步骤：
1)建立固定间隔时序条件下飞行器的机动轨迹数据集；
2)将机动轨迹数据集按照设定比例分割为训练集与测试集，并进行数据归一化处理；
3)建立Mogrifier隐层输出与网络输入耦合交互模型



式中，dt为当前时间步的输入，ht-1为上一时刻隐藏层输出，当t＝0时，h-1初始化为随机数值矩阵，i为范围[1…r]的迭代次数，r为自行设定的超参数，代表迭代运算的总次数，在i为奇数和偶数的时候分别执行上述两个更新公式；σ为sigmoid激活函数，⊙为矩阵点乘运算；Q和R分别是上一时刻隐藏层输出ht-1和当前时间步输入dt的耦合权重矩阵，其维度分别为[hidden,input]和[input,hidden]，分别代表隐藏层节点数和输入数据维度，其取值初始化为服从[-a,a]的均匀分布，Fan_in、Fan_out分别代表上述Q和R矩阵的两个维度；
4)建立BiGRU节点模型，其中，正向重置门的值更新，



正向更新门的值更新，



式中，上标→代表正向循环网络，分别表示时间步t下，正向重置门与更新门的输出值，为正向的各节点权重矩阵，下角标dr,hr,dz,hz分别代表输入至重置门、隐层状态至重置门、输入至更新门、隐层状态至更新门，为上一时刻正向隐藏层输出值，dt为当前时刻输入数据，为偏置矩阵，σ为sigmoid激活函数；根据时间步t的正向隐藏状态利用当前时间步更新门的值使得上个时间步的隐藏状态和当前时间步的正向候选隐藏状态做组合；候选隐藏状态的值更新为最终正向隐藏状态式中，h为记忆单元输出，为权重向量矩阵，为偏置值；反向重置门反向更新门反向隐层节点更新公式为公式更新中下个时刻的隐层状态为
最终正向隐层节点输出结果为各时刻节点输出的拼接结果反向隐层节点最终输出结果，经过一次逆序后进行各时刻输出数据拼接，则最终状态隐层节点输出结果为正反向两者的直接拼接此时隐层输出矩阵H维度应为[seq,batch,2×hidden]，并通过全连接层将维度降至[seq,batch,input]，与输入数据维度保持一致，其中hidden为隐层节点数目，U为拼接操作；
5)对机动轨迹预测网络进行训练，利用测试集进行准确率检测；
6)生成基于Mogrifier-BiGRU的机动轨迹预测网络，储存网络结构及所有网络参数，根据所储存的网络，实现对未来时刻飞行器机动轨迹数据精准预测。


2.根据权利要求1所述的基于Mogrifier-BiGRU的飞行器机动轨迹预测方法，其特征在于：所述的步骤1)在不同的飞行场景下采集n条飞行器机动轨迹数据，每条轨迹包含m个时刻点，时刻点间隔为Δt，每个时刻点包含北天东三个方向坐标值，以及俯仰角、横滚角、偏航角信息。每条机动轨迹信息数据集合式中，St表示t时刻下飞行器的相关信息集合，xt,yt,zt分别表示t时刻下飞行器在地面系中北天东三个方向坐标值，θt,ψt分别表示t时刻机体轴系与地面系之间飞行器的俯仰角、横滚角、偏航角信息。


3.根据权利要求2所述的基于Mogrifier-BiGRU的飞行器机动轨迹预测方法，其特征在于：所述的步骤1)中，n不少于50，m不少于30。


4.根据权利要求1所述的基于Mogrifier-BiGRU的飞行器机动轨...

【专利技术属性】
技术研发人员：张堃，时昊天，李珂，华帅，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61