一种船舶操纵运动预测方法

摘要: 本发明涉及船舶控制,具体而言,涉及一种船舶操纵运动预测方法。背景技术:1、随着自主船舶和智能航运系统的快速发展,对船舶运动预测的准确性、可靠性和长时域稳定性提出...
一种船舶操纵运动预测方法

本发明涉及船舶控制,具体而言,涉及一种船舶操纵运动预测方法。

背景技术:

1、随着自主船舶和智能航运系统的快速发展,对船舶运动预测的准确性、可靠性和长时域稳定性提出了更高要求,准确的船舶操纵运动预测可以为船舶的自主决策和协同控制提供可靠的数据支撑,目前,船舶运动预测技术已广泛应用于船舶数字孪生系统、运动仿真验证、航线规划优化和自主航行控制等场景,成为船舶智能化系统的核心组成部分之一。

2、相关技术中,现有的船舶运动预测方法通常基于简化的数学模型,导致预测结果与船舶真实的运动数据存在偏差,影响船舶操纵运动预测的准确性。

技术实现思路

1、本发明解决的问题是如何提高船舶操纵运动预测的准确性。

2、为解决上述问题,本发明提供一种船舶操纵运动预测方法。

3、第一方面,本发明提供了一种船舶操纵运动预测方法,包括:

4、获取船舶的操纵时序数据;

5、根据所述操纵时序数据通过数据预处理得到规范时序数据;

6、根据所述规范时序数据通过时序特征提取得到模型输入张量;

7、将所述模型输入张量输入训练好的残差预测模型输出对应的残差加速度;

8、将所述规范时序数据输入预设的船舶操纵数学模型输出对应的物理加速度;

9、根据所述残差加速度、所述物理加速度通过预设的速度递推关系得到预测速度状态数据;

10、根据所述预测速度状态数据通过位姿运动学递推得到对应的预测位姿状态数据。

11、可选地,所述根据所述操纵时序数据通过数据预处理得到规范时序数据,包括:

12、对所述操纵时序数据通过异常剔除和连续化处理得到修正时序数据;

13、根据所述修正时序数据通过时序规整得到所述规范时序数据。

14、可选地,所述根据所述规范时序数据通过时序特征提取得到模型输入张量,包括:

15、根据所述规范时序数据通过时序差分得到对应的采样间隔序列;

16、根据所述规范时序数据通过动态特征扩展得到对应的扩展特征向量;

17、根据所述扩展特征向量和所述采样间隔序列通过动态特征编码得到对应的模型输入张量。

18、可选地,所述速度递推关系满足:

19、;

20、其中,vt+1为所述预测速度状态数据,vt为所述船舶的当前速度状态数据,t为真实采样间隔时间,aphys为所述物理加速度,dlf为预设的工况相关低频扰动项,dhf为所述残差加速度,为物理范围投影算子。

21、可选地,所述根据所述预测速度状态数据通过位姿运动学递推得到对应的预测位姿状态数据,包括:

22、获取所述船舶的当前航向角和当前转艏角速度;

23、根据所述当前航向角、所述当前转艏角速度和所述预测速度状态数据中的预测转艏角速度通过梯形积分得到对应的预测航向角;

24、根据所述预测速度状态数据和所述预测航向角通过坐标系变换得到所述船舶的预测地理坐标系速度;

25、根据所述预测地理坐标系速度通过梯形积分得到所述船舶的预测位置;

26、根据所述预测位置和所述预测航向角生成所述预测位姿状态数据。

27、可选地,所述根据所述当前航向角、所述当前转艏角速度和所述预测速度状态数据中的预测转艏角速度通过梯形积分得到对应的预测航向角,包括:

28、将所述当前转艏角速度和所述预测转艏角速度相加后的平均值进行积分得到航向角偏差;

29、将所述当前航向角与所述航向角偏差相加得到所述预测航向角。

30、可选地,所述预测地理坐标系速度满足:

31、;

32、;

33、其中,为所述预测地理坐标系速度中的预测北向速度,为所述预测地理坐标系速度中的预测东向速度,为所述预测航向角,为预设的航向偏置,为所述预测速度状态数据中的预测纵荡速度,为所述预测速度状态数据中的预测横荡速度,为预设的横荡速度符号校准量,为预设的等效平面流速北向分量,为预设的等效平面流速东向分量。

34、可选地,所述预测位置包括预测北向位置和预测东向位置;所述根据所述预测地理坐标系速度通过梯形积分得到所述船舶的预测位置,包括:

35、获取所述船舶的当前北向速度、当前东向速度、当前北向位置和当前东向位置;

36、将所述当前北向速度和所述预测北向速度相加后的平均值进行积分得到北向位置偏差;

37、将所述当前北向位置和所述北向位置偏差相加得到所述预测北向位置;

38、将所述当前东向速度和所述预测东向速度相加后的平均值进行积分得到东向位置偏差;

39、将所述当前东向位置和所述东向位置偏差相加得到所述预测东向位置。

40、可选地,所述残差预测模型的训练过程,包括:

41、获取带有标注的模型训练数据集和初始预测模型;

42、基于预设的多目标损失函数,采用所述模型训练数据集对所述初始预测模型进行训练,得到所述残差预测模型。

43、可选地,所述船舶操纵数学模型满足:

44、;

45、其中,m为所述船舶的质量,mx为所述船舶在纵荡方向上的附加质量,my为所述船舶在横荡方向上的附加质量,iz为所述船舶的艏摇转动惯量,jz为所述船舶的附加艏摇转动惯量,u为所述规范时序数据中的当前纵荡速度,v为所述规范时序数据中的当前横荡速度,r为所述规范时序数据中的当前转艏角速度,为所述物理加速度中的纵荡加速度,为所述物理加速度中的横荡加速度,为所述物理加速度中的转艏角加速度,xh为船体受到的纵向力,yh为所述船体受到的横向力,nh为所述船体受到的艏摇力矩,xp为所述船舶的螺旋桨受到的纵向力,yp为所述船舶的螺旋桨受到的横向力,np为所述船舶的螺旋桨受到的艏摇力矩,xr为所述船舶的舵受到的纵向力,yr为所述船舶的舵受到的横向力,nr为所述船舶的舵受到的艏摇力矩。

46、第二方面,本发明提供了一种船舶操纵运动预测装置,包括:

47、获取模块,用于获取船舶的操纵时序数据;

48、处理模块,用于根据所述操纵时序数据通过数据预处理得到规范时序数据;

49、提取模块,用于根据所述规范时序数据通过时序特征提取得到模型输入张量;

50、第一预测模块,用于将所述模型输入张量输入训练好的残差预测模型输出对应的残差加速度;

51、第二预测模块,用于将所述规范时序数据输入预设的船舶操纵数学模型输出对应的物理加速度;

52、递推模块,用于根据所述残差加速度、所述物理加速度通过预设的速度递推关系得到预测速度状态数据;

53、输出模块,用于根据所述预测速度状态数据通过位姿运动学递推得到对应的预测位姿状态数据。

54、第三方面,本发明提供了一种电子设备,包括存储器和处理器;

55、所述存储器,用于存储计算机程序;

56、所述处理器,用于当执行所述计算机程序时,实现如第一方面所述的船舶操纵运动预测方法。

57、第四方面,本发明提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如第一方面所述的船舶操纵运动预测方法。

58、本发明的船舶操纵运动预测方法的有益效果是:通过获取船舶的操纵时序数据,为预测模型提供实船真实运动状态、控制输入和环境信息,确保预测基于实际航行数据而非理想化假设,从数据源头保障了预测的可靠性;通过数据预处理得到规范时序数据,消除原始数据中的异常值、传感器噪声、时间戳不一致和角度跳变等问题,生成时间连续、数值规整的高质量时序数据集,有效避免了原始数据中的质量问题对预测精度造成的不利影响;通过时序特征提取得到模型输入张量,构造速度差分动态特征并融合工况嵌入信息,使模型输入既包含当前运动状态又包含速度变化趋势和历史时序上下文,为残差预测模型提供了丰富的特征信息;将模型输入张量输入训练好的残差预测模型输出残差加速度,提取时序数据中的局部多尺度特征和长期依赖特征,估计物理模型难以精确描述的未建模动力学和时变扰动,对物理模型的固有偏差进行数据驱动补偿;同时,将规范时序数据输入预设的船舶操纵数学模型输出物理加速度,基于物理规律计算加速度基准值,为预测过程提供可解释的物理约束;根据残差加速度和物理加速度通过速度递推得到预测速度状态,在加速度层面融合物理规律与数据驱动修正,既保持了物理一致性又实现了对复杂扰动的自适应补偿,有效抑制了纯数据驱动模型在长时域递推中的误差漂移;最后,根据预测速度状态通过位姿运动学递推得到预测位姿状态,将速度层面的预测结果转化为直观的轨迹和航向信息,同时保持运动学一致性。通过物理模型与数据驱动的深度融合、加速度层面的残差修正、结构化扰动分解以及基于真实采样间隔的物理一致递推,从数据质量保障、特征信息丰富、物理基准约束、残差自适应补偿和运动学一致性递推等多个层面协同作用,有效提升了船舶操纵运动预测在实船受扰条件下的长时域开环预测准确性。