摘要
本发明公开了一种自适应物理信息引导的船舶轨迹概率预测方法,步骤包括:采集历史时间序列的船舶轨迹数据,构建标准化动力学特征序列;基于船舶三自由度动力学模型推演物理轨迹演化特征,通过时序卷积编码器提取数据驱动特征,并与物理特征权重动态融合;将融合后的特征输入多层嵌套的高斯过程模块,由深度高斯过程逐层对特征分布进行建模,最终输出预测控制量的完整概率分布;基于预测得到的控制量分布进行采样,通过三自由度动力学积分推演生成符合物理约束条件的未来轨迹分布,并定义联合损失函数反向优化神经网络参数。此种方法兼顾轨迹预测的精度、物理合理性及不确定性量化能力,可为水上交通智能化监控提供可靠支撑。
技术关键词
概率预测方法
船舶
轨迹
联合损失函数
物理
驱动特征
优化神经网络
加速度
融合特征
演化特征
数据
序列
雷达
径向基核函数
损失函数优化
卷积编码器
深度神经网络
坐标
样本
重建误差
系统为您推荐了相关专利信息
轨迹跟踪方法
指标
无人潜器
轨迹跟踪控制
深度强化学习
质心侧偏角
横摆角速度
反馈补偿控制
车辆数据处理方法
模型预测控制器
环境控制系统
压力测试数据
控制模块
调节单元
计算机程序产品