买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨理工大学

摘要：本发明公开了一种基于Transformer‑AdaRNN模型的船舶姿态实时预测方法，属于深度学习和计算机视觉技术领域。该方法步骤主要包括：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.采用AdaRNNAdaptiveRNN的TDCTemporalDistributionCharacterization模块对数据进行时间分布表征；S3.利用Transformer输出时序分布特征矩阵，AdaRNN模型接收时序分布特征矩阵并进行时序分布匹配，建立广泛预测模型；S4.AdaRNN的输出传递给Transformer，进行训练后预测船舶三个自由度数据。利用本发明提出的Transformer‑AdaRNN模型框架能够解决在对船舶姿态预测时存在时序分布漂移，精度不高，误差较大等问题。采用本发明提出的模型能够精准的预测船舶的运动姿态，可以保障舰载机的正常起降和船上工作人员的安全等。

主权项：1.一种基于Transformer-AdaRNN模型的船舶姿态实时预测方法，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：采用AdaRNN（AdaptiveRNN）的TDC（TemporalDistributionCharacterization）模块对数据进行时间分布表征；S3：利用Transformer输出时序分布特征矩阵，AdaRNN模型接收时序分布特征矩阵并进行时序分布匹配，建立广泛预测模型；S4：AdaRNN的输出传递给Transformer，进行训练后预测船舶三个自由度数据；所述步骤S2的具体步骤为：TDC将时间序列划分为K个最不相关且最不相同的子序列段，用D来表示分布特征，具体公式如下： ； 是相似度度量距离，，和是为了避免无意义的解而预先定义好的参数；所述步骤S3的具体步骤为：S3.1：利用Transformer输出时序分布特征矩阵具体步骤如下：A1：将K个最不相关的子序列通过Transformer编码器层，编码器由多层自注意力（self-attention）和前向神经网络（feed-forwardnetwork）组成，自注意力机制可以使编码器在考虑每个位置时都能够捕捉到整个序列的上下文信息，从而更好地编码输入序列，前向神经网络则可以进一步增强模型的表达能力；A2：经过编码层后得到最后一个时刻的隐藏状态H，将输入子序列转换成一些固定长度的向量表示，并从隐藏状态H中提取信息；S3.2：采用AdaRNN模型接收时序分布特征矩阵并进行时序分布匹配的具体步骤如下：A1：将每个时间步的隐藏状态都作为AdaRNN的输入，以学习更丰富的时间序列特征；其中，t为时间步数；A2：应用AdaRNN中的TDM（TemporalDistributionMatching）模块在周期之间进行分布匹配，TDM学习权重模型参数和，具体公式如下： ； 为用于预测的损失函数；表示动态度量RNN单元中每个时间状态的重要性；表示可学习的模型参数，为时间分布匹配的损失函数，不同学习阶段的分布匹配损失计算的更新函数，是在epoch中的时间t步长处的分布距离；进行计算后返回最优参数，得到输出序列Y，捕捉时间序列的长期依赖关系；A3：根据返回的最优参数，建立广泛预测且自适应的模型；所述步骤S4的具体步骤为：S4.1：将输出序列与编码器的输出H拼接成一个输入序列，并将其输入到Transformer解码器中，解码器由多层自注意力和前向神经网络组成，并添加了一个多头注意力（multi-headattention）机制，多头注意力机制可以使解码器在进行生成时能够同时考虑输入序列和已生成的部分输出序列，从而更好地建模目标输出序列；S4.2：解码器采用自回归的方式来进行输出，即在每个时间步都生成一个预测输出，并根据前面的所有预测输出计算下一个预测输出的概率分布，在每个解码器层中，使用多头注意力机制和前馈神经网络对输入进行处理，并输出当前时刻的隐藏状态表示；S4.3：当前时刻的隐藏状态和编码器的输出H经过一些预处理得到注意力机制接受的键值对K-VPair，用来对编码器的输出进行加权平均，得到加权编码器的输出，注意力机制的计算公式如下所示： ；Q为查询向量，K为键向量，V为值向量，表示查询键向量的维度，公式中计算矩阵Q和K每一行向量的内积，为了防止内积过大，因此除以的平方根；S4.4：将当前时刻的隐藏状态、加权编码器的输出和输入嵌入向量相结合，通过线性变换和激活函数进行处理，得到当前时刻的预测输出概率分布；S4.5：最终预测输出为所有时间步的预测输出概率分布的联合分布，即，其中X为输入序列；S4.6：将数据按4：1分训练数据集和测试数据集，对网络进行训练，再将测试集的数据传入模型得出预测结果。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于Transformer-AdaRNN模型的船舶姿态实时预测方法