【技术实现步骤摘要】
本专利技术属于波浪谱估算领域，更具体地，涉及一种基于船体运动数据的波浪谱估算方法及系统。
技术介绍
1、波浪对人类的海上活动有着巨大的影响，准确的波浪信息对于规划海洋中的经济航行非常重要，因为可以根据相关波浪的情况规划船舶航线，避免恶劣的海洋条件，从而降低风险、减少航行时间和燃料费用，提高经济效益。
2、传统的估算海况的技术通常包括人工观测、波浪浮标、x波段波浪雷达、气象遥感卫星或天气预报。人工观测的优点是数据具有高持久性，不依赖于外部传感器，然而人工观察本身可能是非常主观的；浮标的优点是观测数据具有较高的可靠性和可比性，在近海岸广泛应用，但它的缺点是抗风浪能力弱、成本高且速度慢；x波段雷达的成本通常很高，需要定期校准和维护；气象遥感卫星很容易受到云层的影响，而且天气预报经常会延迟几个小时。
3、因此，如何便捷(工作量小)、适用范围广(各种海况)、高精度(时空分辨率)地进行波浪谱估算，成为本领域的技术难题。
技术实现思路
1、针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于船体运动数据的波浪谱估算方法及系统，其目的在于，实现便捷、适用范围广、高精度地波浪谱估算。
2、为实现上述目的，按照本专利技术的第一方面，提出了一种基于船体运动数据的波浪谱估算方法，包括如下步骤：
3、获取船体运动数据及对应的波浪数据，并提取船体六自由度运动时序和对应二维波浪谱，构建训练集；通过训练集对生成式神经对抗网络进行训练，基于训练好的生成式神经对抗
4、所述生成式神经对抗网络包括生成器和判别器，在生成器中：通过编码器对船体六自由度运动时序进行编码，并引入通道注意力机制自动调整编码器中通道的权重，得到一维分层特征图；将编码器输出的一维分层特征图通过transformer机制进行处理，将处理后的一维分层特征图输入解码器解码，得到二维波浪谱。
5、作为进一步优选的，所述编码器具有两个通道，对于一个输入，两个通道分别利用全局平均池化和全局最大池化生成特征，然后将两个特征输入到一个共享的隐藏层多层感知器中，生成平均特征图和最大特征图；对平均特征图和最大特征图进行结合，并通过sigmoid变换计算权重，得到输出。
6、作为进一步优选的，获取船体六自由度运动时序的方法为：
7、通过传感器获取船舶重心处的船体运动数据，所述船体运动数据包括浪涌速度、摇摆速度、垂荡速度、横摇速度、横摇角、俯仰角、俯仰速度、偏航角、偏航速度；对船体运动数据进行处理，进而提取得到船体六自由度运动时序。
8、作为进一步优选的，所述船体六自由度运动时序包括船体的横荡、纵荡、垂荡、横摇、纵摇、艏瑶时序数据。
9、作为进一步优选的，通过中值滤波对船体运动数据进行处理。
10、作为进一步优选的，在训练时，将生成器生成的二维波浪谱输入到判别器中，并结合训练集中的实际二维波浪谱进行对抗性训练。
11、作为进一步优选的，对抗性训练使用混合损失函数，该混合损失函数为均方误差损失项和对抗卷积网络损失项的加权和。
12、作为进一步优选的，进行波浪谱估算时，获取当前船体六自由度运动时序，将其输入训练好的生成式神经对抗网络的生成器中，得到二维波浪谱。
13、按照本专利技术的第二方面，提供了一种基于船体运动数据的波浪谱估算系统，包括处理器，所述处理器用于执行上述基于船体运动数据的波浪谱估算方法。
14、按照本专利技术的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于船体运动数据的波浪谱估算方法。
15、总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
16、1.本专利技术通过引入通道注意力机制和transformer的自注意机制，以提高深度卷积编码器-解码器神经网络的性能，其中，通道注意力机制可以更好地把握不同通道间地特征，transformer机制的自注意力机制可以更好地把握全局特征；同时对抗网络通过判别器进行判别及反馈，可提高波浪谱预估精度并可以减少数据的数量，在实现随船波浪谱便捷测量的同时，提高波浪谱预估精度和适用性。
17、2.本专利技术通过传感器获得的船体运动数据，对数据进行冗余去除和去噪处理，提高获取船体数据的精度，并选取船体六自由度运动时序，通过将运动时序导入生成式对抗神经网络中的生成器中得到高精度二维波浪谱。
本文档来自技高网...【技术保护点】
1.一种基于船体运动数据的波浪谱估算方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于船体运动数据的波浪谱估算方法，其特征在于，所述编码器具有两个通道，对于一个输入，两个通道分别利用全局平均池化和全局最大池化生成特征，然后将两个特征输入到一个共享的隐藏层多层感知器中，生成平均特征图和最大特征图；对平均特征图和最大特征图进行结合，并通过sigmoid变换计算权重，得到输出。
3.如权利要求1所述的基于船体运动数据的波浪谱估算方法，其特征在于，获取船体六自由度运动时序的方法为：
4.如权利要求3所述的基于船体运动数据的波浪谱估算方法，其特征在于，所述船体六自由度运动时序包括船体的横荡、纵荡、垂荡、横摇、纵摇、艏瑶时序数据。
5.如权利要求3所述的基于船体运动数据的波浪谱估算方法，其特征在于，通过中值滤波对船体运动数据进行处理。
6.如权利要求1所述的基于船体运动数据的波浪谱估算方法，其特征在于，在训练时，将生成器生成的二维波浪谱输入到判别器中，并结合训练集中的实际二维波浪谱进行对抗性训练。
7.如权利要
8.如权利要求1-7任一项所述的基于船体运动数据的波浪谱估算方法，其特征在于，进行波浪谱估算时，获取当前船体六自由度运动时序，将其输入训练好的生成式神经对抗网络的生成器中，得到二维波浪谱。
9.一种基于船体运动数据的波浪谱估算系统，其特征在于，包括处理器，所述处理器用于执行如权利要求1-8任一项所述的基于船体运动数据的波浪谱估算方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的基于船体运动数据的波浪谱估算方法。
...【技术特征摘要】
1.一种基于船体运动数据的波浪谱估算方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于船体运动数据的波浪谱估算方法，其特征在于，所述编码器具有两个通道，对于一个输入，两个通道分别利用全局平均池化和全局最大池化生成特征，然后将两个特征输入到一个共享的隐藏层多层感知器中，生成平均特征图和最大特征图；对平均特征图和最大特征图进行结合，并通过sigmoid变换计算权重，得到输出。
3.如权利要求1所述的基于船体运动数据的波浪谱估算方法，其特征在于，获取船体六自由度运动时序的方法为：
4.如权利要求3所述的基于船体运动数据的波浪谱估算方法，其特征在于，所述船体六自由度运动时序包括船体的横荡、纵荡、垂荡、横摇、纵摇、艏瑶时序数据。
5.如权利要求3所述的基于船体运动数据的波浪谱估算方法，其特征在于，通过中值滤波对船体运动数据进行处理。
6.如权利要求1所述的基于船体运动...
【专利技术属性】
技术研发人员：刘曾，陶乃勇，许俊，翟军涛，覃国柱，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
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。