【技术实现步骤摘要】
一种基于ABiLSTM
‑
QSOA网络的AUV漂移轨迹预测方法
[0001]本专利技术涉及深度学习领域和AUV轨迹预测领域，具体涉及一种基于ABiLSTM
‑
QSOA网络的AUV漂移轨迹预测方法。
技术介绍
[0002]随着我国加快对海洋的探索，自主式水下机器人由于体积小，重量轻，具有很强的灵活性，在海洋探测、海底搜救、海洋资源开发等领域发挥了巨大的作用。AUV在复杂的海洋环境中航行，安全性是其研究和应用中的关键问题之一。自主式水下航行器（AUV）是水下无人航行器（UUV）的一种，因其具有自主性、隐蔽性、环境适应性和可部署性等优点在海洋探索与开发中扮演着日益重要的角色。主要用于海上石油与天然气等资源的开发，海洋环境的监测，在军事方面常常被用于打捞试验丢失的海底武器。由于海洋环境的复杂性和各种设备故障的不可预测性，用于水下作业的AUV的遗失事故也时有发生。而AUV的造价都普遍偏高，尤其是作业于海洋中的AUV，造价高达数千万。因此，在AUV发生事故后，研究其漂移轨迹，预测其在海洋中漂移一段时间...
【技术保护点】
【技术特征摘要】
1.一种基于ABiLSTM
‑
QSOA网络的AUV漂移轨迹预测方法，其特征在于，采集待测试的AUV漂移轨迹时间序列数据；对所述待测试的数据进行预处理，获取处理后的数据集，并获取轨迹；基于所述处理后的数据集，通过ABiLSTM
‑
QSOA网络对遗失AUV的未来短期漂移轨迹进行预测；基于预测结果数据，与原始真实数据进行比较，得到相应点的距离误差。2.如权利要求1所述基于ABiLSTM
‑
QSOA网络的AUV漂移轨迹预测方法，其特征在于，所述数据预处理方法包括数据缺失值处理和冗余数据处理。3.如权利要求2所述基于ABiLSTM
‑
QSOA网络的AUV漂移轨迹预测方法，其特征在于，所述数据缺失值处理方法包括：通过均值插补法利用缺失值相邻两点的值，计算其平均值得到缺失值位置的数值。所述冗余数据处理方法包括：对重复数据直接进行过滤操作，选择任意一条数据保存下来并过滤掉其他的重复数据。4.如权利要求1所述基于ABiLSTM
‑
QSOA网络的AUV漂移轨迹预测方法，其特征在于，使用滑动窗口方法对数据集进行分割...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。