期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于自注意力机制增强的CNN-LSTM的榴弹轨迹多步超前预测
1
作者
孙溪晨
李伟兵
+2 位作者
黄昌伟
付佳维
冯君
《兵工学报》
EI
CAS
CSCD
北大核心
2024年第S01期51-59,共9页
由于榴弹飞行轨迹呈现复杂性、时变性和突变性等特点,给近程防空拦截系统带来了极大的挑战。针对目前轨迹数据时空特征捕捉困难且只能进行较少步数预测的问题,提出一种引入自注意力机制的基于卷积神经网络和长短期记忆神经网络(1dimensi...
由于榴弹飞行轨迹呈现复杂性、时变性和突变性等特点,给近程防空拦截系统带来了极大的挑战。针对目前轨迹数据时空特征捕捉困难且只能进行较少步数预测的问题,提出一种引入自注意力机制的基于卷积神经网络和长短期记忆神经网络(1dimension Convolutional neural network-Long short-term memory-Attention, 1D CNN-LSTM-ATT)的一维轨迹多步超前预测模型。将所提模型与CNN-LSTM、LSTM模型分别进行单步和多步预测对比分析;实现对于目标轨迹的从T时刻到未来任意T+K时刻的高精度实时多步超前预测。实验结果表明:无论是单步还是多步预测,1D CNN-LSTM-ATT模型预测的评价指标明显优于其他2个模型;1D CNN-LSTM-ATT模型预测500步(即10 s)的累计预测误差在射程方向为82.83 m,高度方向为11.68 m,横偏方向为0.07 m,为实施弹体拦截及时响应提供了重要保障。
展开更多
关键词
轨迹多步超前预测
深度学习
自注意力机制
CNN-LSTM模型
在线阅读
下载PDF
职称材料
题名
基于自注意力机制增强的CNN-LSTM的榴弹轨迹多步超前预测
1
作者
孙溪晨
李伟兵
黄昌伟
付佳维
冯君
机构
南京理工大学瞬态物理全国重点实验室
南京理工大学机械工程学院
出处
《兵工学报》
EI
CAS
CSCD
北大核心
2024年第S01期51-59,共9页
基金
智剑实验室(火箭军工程大学)开放基金项目(024-ZJSYS-KF02-10)
航空航天结构力学及控制全国重点实验室开放基金项目(MCMS-E-0423Y01)。
文摘
由于榴弹飞行轨迹呈现复杂性、时变性和突变性等特点,给近程防空拦截系统带来了极大的挑战。针对目前轨迹数据时空特征捕捉困难且只能进行较少步数预测的问题,提出一种引入自注意力机制的基于卷积神经网络和长短期记忆神经网络(1dimension Convolutional neural network-Long short-term memory-Attention, 1D CNN-LSTM-ATT)的一维轨迹多步超前预测模型。将所提模型与CNN-LSTM、LSTM模型分别进行单步和多步预测对比分析;实现对于目标轨迹的从T时刻到未来任意T+K时刻的高精度实时多步超前预测。实验结果表明:无论是单步还是多步预测,1D CNN-LSTM-ATT模型预测的评价指标明显优于其他2个模型;1D CNN-LSTM-ATT模型预测500步(即10 s)的累计预测误差在射程方向为82.83 m,高度方向为11.68 m,横偏方向为0.07 m,为实施弹体拦截及时响应提供了重要保障。
关键词
轨迹多步超前预测
深度学习
自注意力机制
CNN-LSTM模型
Keywords
trajectory multi-step-ahead prediction
deep learning
self-attention mechanism
CNN-LSTM model
分类号
TJ301 [兵器科学与技术—火炮、自动武器与弹药工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自注意力机制增强的CNN-LSTM的榴弹轨迹多步超前预测
孙溪晨
李伟兵
黄昌伟
付佳维
冯君
《兵工学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
