[发明专利]基于长短期记忆神经网络的航空器场面轨迹预测方法

摘要

本发明提供一种基于长短期记忆神经网络的航空器场面轨迹预测方法，将LSTM神经网络与多项式拟合方法组合来实施轨迹预测技术，通过设置递增采样周期，理论上可以预测长周期60秒内任意时刻的位置，但预测过长周期的位置，经过预处理生成的训练数据质量低，导致预测精度过低，对于场面滑行冲突的探测，也没有实际作用，所以预测中长期30秒内任意时刻的位置相对比较合适。本发明借助LSTM神经网络具有历史记忆性的特点，能够根据轨迹序列的上下文，隐性模拟航空器的场面运动状态，可以用于预测机场滑行道、跑道上航空器未来时间段的位置，避免航空器场面滑行冲突，为实时路径规划做铺垫，保障机场安全、高效地运行。

主权项

1.基于长短期记忆神经网络的航空器场面轨迹预测方法，其特征在于，包括以下步骤：步骤1、获取航空器的历史滑行数据集，包括经度、纬度和速度数据，设置递增采样周期对滑行数据序列进行预处理，分割为训练数据和测试数据；步骤2、构建长短期记忆神经网络LSTM神经网络模型，输入训练数据，配置网络参数，完成模型的训练；步骤3、输入测试数据至不同采样周期下的LSTM神经网络模型得到预测值，反归一化后，加上一阶差分处理时的基础项得到轨迹预测位置，所述轨迹预测位置由经度和纬度组成；步骤4、将不同采样周期下的轨迹预测位置，按采样周期递增的顺序组成轨迹预测序列，将轨迹预测序列中的第一个轨迹点作为基点，分别与其余的轨迹点计算得到场面相对距离，将场面相对距离与时间采用多项式拟合方法进行处理，获得轨迹预测曲线拟合方程，可以得到中长期内任意时刻的场面相对距离。