控制与决策

作者：王宇超,赵洵,杨周琦,傅荟璇

单位：哈尔滨工程大学 智能科学与工程学院,哈尔滨 150000,,哈尔滨工程大学 智能科学与工程学院,哈尔滨 150000,,哈尔滨工程大学 智能科学与工程学院,哈尔滨 150000,,哈尔滨工程大学 智能科学与工程学院,哈尔滨 150000,

关键词：船舶纵摇;SCI-Net;通道注意力;交互学习结构;组合模型;多步预测

基金：国家自然科学基金项目(52271313)；中央高校基本科研业务费专项资金项目(3072024GH0405).

海洋环境复杂多变,船舶航行容易受到风浪、洋流等因素的干扰,船舶运动具有非线性、耦合性等特点.针对传统的船舶运动姿态预测方法对时序数据的提取效率尚有不足,难以达到高精度预测效果的问题,提出样本卷积交互-通道注意力(SCI-CA)神经网络船舶纵摇运动预测模型.该模型采用多类别船舶运动姿态数据作为输入,将输入拆分为两个子序列,利用样本卷积交互网络(SCI)的递归下采样卷积交互结构,结合多分辨率聚合而成的丰富特征,提高船舶运动数据深层特征的利用率.再通过通道注意力机制(CA)提高有效通道的权重比例,并以残差结构输入到全连接层,得到最后的预测结果.实船数据验证结果表明,SCI-CA组合模型预测结果较其他模型预测精度高,其平均绝对百分比误差(MAPE)、均方根误差(RMSE)均有明显降低,验证了SCI-CA模型预测船舶运动的有效性.

来源：2025年第1期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第1期