一种基于IWOA-TCN-Attention模型的船舶姿态预测方法技术

本发明专利技术公开了一种基于IWOA

【技术实现步骤摘要】
一种基于IWOA
‑
TCN
‑
Attention模型的船舶姿态预测方法


[0001]本专利技术属于深度学习和计算机视觉
，具体涉及一种基于IWOA
‑
TCN
‑
Attention模型的船舶姿态预测方法。

技术介绍

[0002]近年来，随着愈加成熟的现代科技和工业化的繁荣发展，船舶工业作为我国的重要部分也越加的明显，对于国家的经济发展、国家领土安全、对外交流和军事实力的提高有着重要的意义。我国在近几十年的时间里，船舶工业有了一个质的飞跃，并且在船舶的制造行业中一直是处于一个逐步发展的姿态。针对海上作业的实际需求，为提高作业的安全性，降低作业的事故率，很多国家都在大力开展船舶运动预报技术的研究，由于船舶实际运动受到波浪的影响，因此在这一研究中，对于波浪影响下的船舶运动进行快速而准确的求解便成为了重要一步。
[0003]受海风、海浪和海流等开放海域环境的影响，处于真实海面上的船舶会产生艏摇、横摇、纵摇、垂荡、横荡、纵荡这六种摇荡运动，这种由外界环境的扰动作用引起的船本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于IWOA
‑
TCN
‑
Attention模型的船舶姿态预测方法，其特征在于，包括以下步骤：S1：获取船舶运动姿态的待处理三自由度数据，对数据进行预处理；S2：利用鲸鱼优化算法(whale optimization algorithm,WOA)进行改进，提出一种更好的自动寻优方法；S3：利用时域卷积网络(Temporal convolutional network,TCN)和注意力机制(Attention mechanism)的特点进行结合，提出一种组合神经网络模型TCN
‑
Attention网络模型。S4：采用IWOA优化算法对TCN
‑
Attention神经网络的参数进行自动寻优，充分开发神经网络的处理能力；S5：将得到的最佳适应度值对应的最佳参数赋值给TCN
‑
Attention网络，进行训练后预测船舶三个自由度数据。2.根据权利要求1所述的一种基于IWOA
‑
TCN
‑
Attention模型的船舶姿态预测方法，其特征在于，所述步骤S1的具体步骤为：S1.1：整理获取的船舶姿态数据，提取其中的三自由度(横摇角度、纵摇角度和升沉大小)数据；S1.2：将获取的三自由度数据进行截取，数据每行间隔的采样时间为0.05秒，因此每个自由度截取1000行数据进行处理；S1.3：由于数据的输入维度不同，并且存在噪声点，会影响神经网络模型的训练效果。因此为了使神经网络模型得到的结论更准确，需要将数据进行规范化处理。归一化是现有的规范化处理非常普遍的方法，采用MinMaxScaler函数将数据映射到[1,
‑
1]之间，以便接下来的操作。具体公式如下：x
i
是当前输入的数据，x
min
是数据中的最小值，x
max
代表的是数据中的最大值，M
i
是最后归一化后得到的数据。3.根据权利要求1所述的一种基于IWOA
‑
TCN
‑
Attention模型的船舶姿态预测方法，其特征在于，所述步骤S2的具体步骤为：S2.1：采用流行的智能优化算法(IWOA)的特点进行改进优化，得到一种改进型的智能优化算法框架，在保留WOA算法操作简单、参数少、性能优越等优点的基础上，提高WOA算法解决高维空间优化问题的能力，避免陷入局部最优和避免算法后期出现停滞等问题。在一次迭代开始时，需要为每个鲸鱼设定一个初始位置，并生成初始种群。每个鲸鱼都会按照一定的规则探索空间。这个过程可以模拟鲸鱼包围、追捕和攻击猎物的过程。每当鲸鱼移动的时候，都会对当前的鲸鱼种群计算适应度值，如果当前的适应度值优于之前的适应度值，则将当前适应度值设为最优解。当所有的鲸鱼都完成了移动和评估后，算法会更新所有鲸鱼的位置，并重复以上步骤。鲸鱼优化算法可以进行多次迭代，直到找到最优解为止。S2.2：IWOA优化算法从两方面进行改进，分别为非线性收敛因子和自适应权重与差分变异操作。由于收敛因子进行线性变化并不能很好地调节全局搜索能力和局部开发能力，因此本文提出一种非线性收敛因子，具体公式如下：
鲸鱼优化算法在后期局部开发时易陷入局部最优，出现早熟收敛的现象，为了使算法能够保持种群的多样性并且能够及时跳出局部最优，提出一种自适应权重策略，从而提高算法的寻优能力。定义如下：当|A|＜1，p＜0.5时，X(t+1)公式如下所示：当|A|≥1，p＜0.5时，X(t+1)公式如下所示：当p≥0.5时，X(t+1)公式如下所示：其中，表示猎物位置的自适应全权重，t代表当前迭代次数，T
max
表示最大迭代次数。同时，引入差分变异策略，将随机选择的个体和当前最优的个体进行随机差分生成新个体。增加种群的多样性，避免算法因早熟收敛而陷入局部最优。随机差分变异策略公式如下所示：X(t+1)＝r1(X
*
(t)
‑
X(t))+r2(X
′
(t)
‑
X(t))其中，r1和r2为[0,1]的随机数；X
′
(t)为种群随机选取的个体。S2.3：IWOA优化算法的参数初始化：设定优化算法的参数包括种群的规模、迭代次数、速度的取值范围。4.根据权利要求1所述的一种基于IWOA
‑
TCN
‑
Atten...

【专利技术属性】
技术研发人员：张彪，王胜，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：