-
题名深度学习算法下舰船导航设备状态检验方法设计
- 1
-
-
作者
李永俊
孙静宇
谢红薇
-
机构
山西应用科技学院信息工程学院
太原理工大学软件学院
-
出处
《舰船科学技术》
北大核心
2025年第14期164-168,共5页
-
基金
山西省基础研究计划项目(202303021221014)。
-
文摘
为自动提取数据中的复杂特征,提升状态检验的鲁棒性,设计深度学习算法下舰船导航设备状态检验方法。通过建立包含陀螺仪漂移误差、加速度计随机误差及GPS接收机定位误差的多源误差模型,系统量化姿态角、速度及位置等关键状态指标;在深度信念网络内,输入关键指标数据,自动提取数据中反映舰船导航设备状态的复杂特征;以极限学习机为深度信念网络的回归层,结合提取的复杂特征,输出导航设备状态检验结果。实验证明,该方法可有效自动提取检查导航设备状态的复杂特征,完成设备状态检验;在不同负载情况下,导航设备状态检验的决定系数达0.93以上,即状态检验的鲁棒性较优。
-
关键词
深度学习算法
舰船导航设备
状态检验
误差模型
-
Keywords
deep learning algorithm
ship navigation equipment
state inspection
error model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
