[发明专利]一种舰艉流预测方法及系统

说明书

本发明公开一种舰艉流预测方法及系统，涉及航空航天技术领域，该方法包括构建引入频域注意力机制的神经网络；利用历史时刻的舰艉流数据训练所述神经网络，得到训练后的神经网络；所述训练后的神经网络用于对未来时刻的舰艉流数据进行预测；获取舰载机着舰末段的当前时刻之前的舰艉流数据；并利用后的神经网络进行预测。本发明可以实现对舰载机着舰末段的舰艉流数据的准确预测。

技术领域

本发明涉及航空航天技术领域，特别是涉及一种舰艉流预测方法及系统。

背景技术

舰艉流是海上气流经过行驶的舰体在舰艉形成的，距离航母舰艉数百米的区域内舰艉流干扰最强，当舰载机着舰时，在该片区域内飞行品质会受到很大影响，出现较大的横向和垂向轨迹偏差，严重时可造成撞舰事故。在着舰过程中，舰艉流是干扰着舰控制，影响着舰精度的重要因素。因此，对着舰末端舰艉流的预报技术是必不可少的内容。

随着深度学习的发展，利用神经网络对序列数据进行预测可以有效地提取序列数据的特征，可以将舰艉流各个分量的数据作为一种时序数据。当前常用于序列数据预测的神经网络结构一般包括循环神经网络以及基于注意力机制的神经网络。循环神经网络可以沿着序列数据的方向循环地经过循环神经单元计算对序列数据的预测结果。由于循环神经网络的训练中容易出现梯度消失和梯度爆炸等问题，导致网络的预测效果难以满足实际应用中预测精度的要求。而注意力机制是深度学习领域应用广泛的一种网络结构。通过引入注意力机制，神经网络可以更好地捕捉数据之间的关联性，提升序列数据的预测准确性。但是引入注意力机制的神经网络由于其较高的时间复杂度，导致预测方法的实时性难以满足实际应用的要求。

发明内容

本发明的目的是提供一种舰艉流预测方法及系统，可以实现对舰载机着舰末段的舰艉流数据的准确预测。

为实现上述目的，本发明提供了如下方案：

一种舰艉流预测方法,包括：

构建引入频域注意力机制的神经网络；所述神经网络包括：一个全连接层、一个归一化层、一个编码树模块和一个解码器模块；编码树模块包括：三个编码器模块；三个编码器模块分别作为编码树模块的根节点、左叶子节点和右叶子节点；每个编码器模块包括：频域自注意力模块、残差连接、滑动平均模块以及一维卷积模块；解码器模块包括：频域自注意力模块、频域交叉注意力模块、一维卷积层以及滑动平均模块；频域自注意力模块和频域交叉注意力模块结构相同，均包括：三个全连接层、傅里叶反变换、频域采样和傅里叶变换；

利用历史时刻的舰艉流数据训练所述神经网络，得到训练后的神经网络；所述训练后的神经网络用于对未来时刻的舰艉流数据进行预测；

获取舰载机着舰末段的当前时刻之前的舰艉流数据；并利用后的神经网络进行预测。

可选地，所述舰艉流数据包括：舰艉流的纵向、横向和垂向三个维度的序列数据。

可选地，所述利用历史时刻的舰艉流数据训练所述神经网络，得到训练后的神经网络，具体包括：

将历史时刻的舰艉流数据划分出训练集、验证集和测试集；

对每一组历史时刻的舰艉流数据进行拆分，得到样本数据；样本数据包括：48个时间步的舰艉流数据作为输入和后续8个时间步的舰艉流数据作为待预测的输出；

利用拆分后的训练集对所述神经网络进行训练。

可选地，所述获取舰载机着舰末段的当前时刻之前的舰艉流数据；并利用后的神经网络进行预测，具体包括：

当前时刻之前的舰艉流数据首先经过全连接层和归一化层得到序列数据的特征表示；

特征表示整体经过编码树模块的根节点的编码器输出周期项和趋势项数据；