基于漂流轨迹预测的海上无人装备搜救方法、装置及设备

本申请涉及海上目标轨迹预测，特别是涉及一种基于漂流轨迹预测的海上无人装备搜救方法、装置及设备。

背景技术：

1、当前，水下无人潜航器等无人装备已经成为海洋探测任务实施的主力，但是由于海洋环境的复杂性，装备易损毁和丢失。所以海上无人装备搜救对于有效保障海洋探测任务的实现，减轻装备损失影响有极为重要的作用。传统方法确定航迹和搜救范围后不再修正，多依赖经验方式，搜救效率。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够有效提高搜救实施效率和有效性的基于漂流轨迹预测的海上无人装备搜救方法、装置及设备。

2、一种基于漂流轨迹预测的海上无人装备搜救方法，所述方法包括：

3、获取海上无人装备遇险后反馈的回传信息，以及海上无人装备所处海域的环境信息；

4、利用训练好的系数修正模型根据所述回传信息，对预先构建的目标漂移模型中的流场系数和风压系数进行优化，并得到优化后的目标漂移模型；

5、根据所述环境信息以及优化后的目标漂移模型进行计算，得到所述海上无人装备遇险后的漂移轨迹；

6、基于所述漂移轨迹采用蒙特卡洛算法，得到所述海上无人装备的搜救区域，所述搜救区域通过搜救目标分布概率在海洋环境栅格化下的不确定性量化表示。

7、在其中一实施例中，所述目标漂移模型根据流致漂移模型和风致漂移模型构建得到。

8、在其中一实施例中，所述优化后的目标漂移模型表示为：

9、；

10、在上式中，分别表示所述海上无人装备遇险后沿经度和纬度方向的位移，表示优化后流场系数，分别表示经过提取得到的沿经度和纬度方向的水流速度，表示流场扰动系数，表示水流角度，表示优化后的风压系数，分别表示经过提取得到的沿经度和纬度方向的风场速度，表示风压扰动系数，表示风场角度，其中，所述、以及均可根据所述环境信息得到。

11、在其中一实施例中，所述系数修正模型为采用传递函数是sigmoid函数的全连接神经网络。

12、在其中一实施例中，所述回传信息为所述海上无人装备遇险后的实际位置信息。

13、在其中一实施例中，在对所述系数修正模型进行训练时：

14、基于目标漂移模型生成仿真漂流轨迹数据，根据所述仿真漂流轨迹数据构建训练数据集；

15、将所述训练数据集中的仿真漂流轨迹数据输入至所述系数修正模型中对所述目标漂移模型中的流场系数和风压系数进行预测，得到流场预测系数和风压预测系数；

16、根据所述流场预测系数和风压预测系数对所述目标漂移模型中的对应系数进行修正后，生成预测漂流轨迹数据；

17、根据所述仿真漂流轨迹数据以及预测漂流轨迹数据计算得到损失函数，根据所述损失函数对所述系数修正模型中的可调整参数进行更新，直至所述系数修正模型收敛，得到所述训练好的系数修正模型。

18、在其中一实施例中，所述根据所述仿真漂流轨迹数据以及预测漂流轨迹数据计算得到损失函数，所述损失函数表示为：

19、；

20、在上式中，是考虑的时间步数，即训练数据集中的样本数量，是时刻仿真漂流轨迹坐标，是对应的预测漂流轨迹坐标，是总损失。

21、在其中一实施例中，所述海上无人装备遇险后反馈的回传信息为间歇性信号；

22、在每一次接收到海上无人装备遇险后反馈的回传信息后，根据当前回传信息对当前的目标漂移模型进行优化，并更新所述漂移轨迹，直至搜救成功。

23、本申请还提供了一种基于漂流轨迹预测的海上无人装备搜救装置，所述装置包括：

24、信息获取模块，用于获取海上无人装备遇险后反馈的回传信息，以及海上无人装备所处海域的环境信息；

25、目标漂移模型优化模块，用于利用训练好的系数修正模型根据所述回传信息，对预先构建的目标漂移模型中的流场系数和风压系数进行优化，并得到优化后的目标漂移模型；

26、漂移轨迹预测模块，用于根据所述环境信息以及优化后的目标漂移模型进行计算，得到所述海上无人装备遇险后的漂移轨迹；

27、搜求区域生成模块，用于基于所述漂移轨迹采用蒙特卡洛算法，得到所述海上无人装备的搜救区域，所述搜救区域通过搜救目标分布概率在海洋环境栅格化下的不确定性量化表示。

28、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

29、获取海上无人装备遇险后反馈的回传信息，以及海上无人装备所处海域的环境信息；

30、利用训练好的系数修正模型根据所述回传信息，对预先构建的目标漂移模型中的流场系数和风压系数进行优化，并得到优化后的目标漂移模型；

31、根据所述环境信息以及优化后的目标漂移模型进行计算，得到所述海上无人装备遇险后的漂移轨迹；

32、基于所述漂移轨迹采用蒙特卡洛算法，得到所述海上无人装备的搜救区域，所述搜救区域通过搜救目标分布概率在海洋环境栅格化下的不确定性量化表示。

33、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

34、获取海上无人装备遇险后反馈的回传信息，以及海上无人装备所处海域的环境信息；

35、利用训练好的系数修正模型根据所述回传信息，对预先构建的目标漂移模型中的流场系数和风压系数进行优化，并得到优化后的目标漂移模型；

36、根据所述环境信息以及优化后的目标漂移模型进行计算，得到所述海上无人装备遇险后的漂移轨迹；

37、基于所述漂移轨迹采用蒙特卡洛算法，得到所述海上无人装备的搜救区域，所述搜救区域通过搜救目标分布概率在海洋环境栅格化下的不确定性量化表示。

38、上述基于漂流轨迹预测的海上无人装备搜救方法、装置及设备，通过利用训练好的系数修正模型根据海上无人装备遇险后反馈的回传信息，对预先构建的目标漂移模型中的流场系数和风压系数进行优化，并得到优化后的目标漂移模型，根据海上无人装备所处海域的环境信息以及优化后的目标漂移模型进行计算，得到海上无人装备遇险后的漂移轨迹，再基于漂移轨迹采用蒙特卡洛算法，得到海上无人装备的搜救区域，其中，搜救区域通过搜救目标分布概率在海洋环境栅格化下的不确定性量化表示。采用本方法可以给海上无人装备的搜救提供精准的搜救区域。

技术特征：

1.一种基于漂流轨迹预测的海上无人装备搜救方法，其特征在于，所述方法包括：

2.根据权利要求1所述的海上无人装备搜救方法，其特征在于，所述目标漂移模型根据流致漂移模型和风致漂移模型构建得到。

3.根据权利要求1所述的海上无人装备搜救方法，其特征在于，所述系数修正模型为采用传递函数是sigmoid函数的全连接神经网络。

4.根据权利要求3所述的海上无人装备搜救方法，其特征在于，所述回传信息为所述海上无人装备遇险后的实际位置信息。

5.根据权利要求3所述的海上无人装备搜救方法，其特征在于，在对所述系数修正模型进行训练时：

6.根据权利要求5所述的海上无人装备搜救方法，其特征在于，所述根据所述仿真漂流轨迹数据以及预测漂流轨迹数据计算得到损失函数，所述损失函数表示为：

7.根据权利要求1-6任一项所述的海上无人装备搜救方法，其特征在于，所述海上无人装备遇险后反馈的回传信息为间歇性信号；

8.一种基于漂流轨迹预测的海上无人装备搜救装置，其特征在于，所述装置包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

技术总结
本申请涉及一种基于漂流轨迹预测的海上无人装备搜救方法、装置及设备，通过利用训练好的系数修正模型根据海上无人装备遇险后反馈的回传信息，对预先构建的目标漂移模型中的流场系数和风压系数进行优化，并得到优化后的目标漂移模型，根据海上无人装备所处海域的环境信息以及优化后的目标漂移模型进行计算，得到海上无人装备遇险后的漂移轨迹，再基于漂移轨迹采用蒙特卡洛算法，得到海上无人装备的搜救区域，其中，搜救区域通过搜救目标分布概率在海洋环境栅格化下的不确定性量化表示。采用本方法可以给海上无人装备的搜救提供精准的搜救区域。

技术研发人员：王得志,宋雨轩,程兴华,包长春
受保护的技术使用者：中国人民解放军国防科技大学
技术研发日：
技术公布日：2024/7/25