改进神经网络的舰船碰撞危险度估计

当前的一些方法在航行行为预测以及碰撞预警能力方面仍存在一些问题,因此提出一种改进神经网络的舰船碰撞危险度估计方法,实现了舰船碰撞危险度的高精度估计。首先基于改进神经网络构建改进神经网络预测模型预测舰船航行行为,以提供碰撞危险度估计的基础数据来源。对舰船碰撞风险中的安全距离模型进行制订,具体包括危险领域安全距离模型、安全会遇领域安全距离模型、舰船动界安全距离模型。通过昆兹模型构建舰船碰撞危险度计算模型,对舰船碰撞危险度进行估计。在某水域进行本文方法的性能测试,测试结果证明该方法的航行行为预测误差低于现有方法,而碰撞预警精度则高于现有方法,提供了舰船防碰撞领域的新研究方向。     

遗传神经网络算法在船舶碰撞危险度确定中的应用

为提高船舶航行安全性,首先建立船舶碰撞危险度评估模型,并结合神经网络算法对特定的水域进行危险度模型拟合,获得较为准确的船舶碰撞危险度模型。基于Matlab软件对建立的模型进行编程计算。本文建立的船舶碰撞危险度模型经过50次误差训练后达到了较高的拟合精度,获得较好的效果,可为提高船舶航行安全性提供参考。     

基于模糊理论的船舶复合碰撞危险度计算

基于船舶领域和动界的概念,在船舶碰撞几何原理的基础上,利用模糊规则和模糊综合评价方法,本文提出一种船舶复合碰撞危险度的计算方法。确定最近会遇距离(DCPA)、最近会遇时间(TCPA)、两船距离、相对方位、船速比5个主要因素的隶属度函数,并考虑航行区域状况、能见度情况和船舶的操纵性能等对船舶碰撞危险度的隶属度函数修正。用原始数据对3种不同会遇态势进行仿真和对3种不同碰撞危险度计算结果分析比较,结果表明该方法的有效性。     

基于模糊理论的船舶复合碰撞危险度计算

基于船舶领域和动界的概念,在船舶碰撞几何原理的基础上,利用模糊规则和模糊综合评价方法,本文提出一种船舶复合碰撞危险度的计算方法.确定最近会遇距离(DCPA)、最近会遇时间(TCPA)、两船距离、相对方位、船速比5个主要因素的隶属度函数,并考虑航行区域状况、能见度情况和船舶的操纵性能等对船舶碰撞危险度的隶属度函数修正.用原始数据对3种不同会遇态势进行仿真和对3种不同碰撞危险度计算结果分析比较,结果表明该方法的有效性.     

基于模糊神经网络的一种船舶碰撞危险度计算方法

利用神经网络与模糊推理提出一种船舶碰撞危险度的计算方法.用神经网络替代模糊推理过程,建立基于碰撞危险度计算的模糊神经网络推理框架,利用推理规则生成用于网络训练的样本.实例验证了方法的可行性.     

考虑船位预测不确定性的船舶碰撞危险度计算方法

[目的]船舶碰撞是威胁智能船舶航行安全的主要因素。船舶碰撞危险度计算模型应及时发现船舶航行中潜在的碰撞风险,为智能船舶的自主避让决策提供依据。[方法]首先,根据船舶领域侵入程度与侵入时间等参数,分析基于领域的碰撞危险参数计算模型,将航行场景划分为单船会遇局面和本船与船舶群组的会遇局面,给出一种新的多船会遇情况下的碰撞危险参数计算模型;其次,基于维纳过程对船位预测不确定性进行建模,根据卡方分布获取船位预测不确定性椭圆;最后,给出考虑船位预测不确定性的碰撞危险参数计算方法。[结果]该计算模型能够考虑船位预测不确定性对船舶碰撞危险的影响。[结论]可以进一步保障智能船舶的海上航行安全。     

基于模糊集合理论的船舶碰撞危险度模型

为了解决多船避碰决策过程中避让行动优先级问题,提出一种基于模糊集合理论的船舶碰撞危险度确定模型。选取最近会遇距离、最近会遇时间、船间距离、相对方位、船速比5个因素建立碰撞危险度影响因素集,并确定各因素评价集、评价指标以及各参数的隶属度函数,经模糊综合评价得到船舶碰撞危险度计算模型。设置两船交叉会遇以及多船交叉会遇2种会遇局面进行仿真实验,实验结果验证了该模型的有效性。     

基于模糊集合理论的船舶碰撞危险度模型

为了解决多船避碰决策过程中避让行动优先级问题,提出一种基于模糊集合理论的船舶碰撞危险度确定模型。选取最近会遇距离、最近会遇时间、船间距离、相对方位、船速比5个因素建立碰撞危险度影响因素集,并确定各因素评价集、评价指标以及各参数的隶属度函数,经模糊综合评价得到船舶碰撞危险度计算模型。设置两船交叉会遇以及多船交叉会遇2种会遇局面进行仿真实验,实验结果验证了该模型的有效性。     

基于拟态物理学优化算法的船舶变速避碰决策

为能在狭窄水域多船会遇情况下快速给出安全有效的避碰决策,提出一种基于拟态物理学优化算法(Artificial Physics Optimization, APO)的船舶变速避碰决策方法。该方法利用APO算法的快速寻优能力,根据《国际海上避碰规则》对变速行动幅度的要求,限定算法中可行解的空间,考虑变速冲程和冲时对会遇的影响,提高最近会遇距离值的计算精度,建立基于碰撞危险度和变速能量损失的目标函数,迭代进化获得全局范围内最优的速度值,即船舶的决策速度。狭窄水域多船会遇案例的仿真结果表明:决策速度下船舶能够安全有效地避让各目标船舶,该决策方法可行且有效,能够为船舶驾驶人员提供避碰决策支持。     

船舶避碰辅助决策系统的设计与实现

研究了广阔水域多船会遇的避让方案,首先根据会遇态势、本船与目标船的船舶运动参数,给出了危险度的量化计算,然后选择与最危险目标船舶进行了避碰.分析了整个避碰过程的流程,并用软件进行了实现.     

免疫粒子群算法在夜航船舶避碰规划中的应用

受夜晚环境的影响,传统的船舶在航行过程中存在碰撞事故多发的问题,为此应用免疫粒子群算法对夜航船舶避碰规划方法进行优化设计。首先利用航行船舶上的AIS设备确定夜航船舶运动参数,并结合障碍船的位置划分夜航船舶会遇态势。设置夜航船舶安全会遇距离并计算夜航船舶碰撞危险概率。应用免疫粒子群算法更新船舶速度和位置,当两船之间的碰撞危险度达到危险区间,确定避碰时机以及幅度,进行夜航船舶避碰规划。实验结果表明,应用免疫粒子群算法,能够有效地降低碰撞事故发生率。     

基于克隆选择优化的多船转向避碰决策

基于船舶碰撞危险度计算模型,在多船会遇态势下,利用克隆选择优化算法,本文提出一种最优转向避碰幅度计算方法。确定了最近会遇距离(DCPA)、最近会遇时间(TCPA)、两船距离、相对方位、船速比5个主要因素的隶属度函数,并考虑航行区域状况、能见度情况和船舶的操纵性能等对船舶碰撞危险度的隶属度函数修正。基于船舶碰撞危险度和航程损失的多目标函数优化,通过分克隆选择优化算法,在《国际海上避碰规则》约束的可行域空间内,获取全局范围内的最优解。仿真结果表明克隆选择优化算法对于处理多船会遇态势下的让路船转向避碰决策的有效性。     

基于选择性神经网络集成的船舶避碰问题研究

船舶碰撞危险度的确定是保证海上船舶航行安全的重要问题,也是一个复杂的过程,受很多因素的影响,具有很强的非线性特征。神经网络集成是用有限个神经网络对同一个问题进行学习,集成在某输入示例下的输出由构成集成的各种神经网络在该示例下的输出共同决定。本文基于粒子群优化算法实现一种选择性神经网络集成方法,并基于该方法对船舶碰撞危险度问题进行了建模。仿真结果表明,基于粒子群算法的选择性神经网络集成方法适合于船舶避碰问题模型,且模型的精度很高。     

内河船舶防碰撞的预警系统研究

针对船舶在内河水域航行时面临的复杂环境,经常导致船舶碰撞桥梁、碍航物等,提出以建立内河船舶防碰撞预警系统,保证船舶更好地通过桥梁、碍航物、会遇船等的构想,探讨了内河船舶防碰撞预警工作原理、流程、特性和作用等。     

船舶碰撞危险度的避碰决策模型

船舶碰撞危险度是影响船舶航行安全的重要参数,对船舶在航行中的避碰决策起着指导性的作用。船舶在会遇时,快速而且准确的计算出船舶碰撞危险度,是进行船舶间避碰决策的基础。然后,结合船舶碰撞危险度模型和避碰几何原理,建立船舶避碰决策模型,该模型能够为船舶驾驶员提供采取避碰行动的时机和转向幅度,以获得避碰行动的最优解。     

基于IWRAP模型的长江口南槽航道整治工程通航安全风险分析

为了保障长江口南槽航道整治工程施工期间的通航安全,降低对施工水域通航环境和船舶航行安全的不利影响,对长江口南槽航道整治工程进行通航安全风险分析.采用IWRAP模型计算船舶发生对遇碰撞、交叉碰撞、追越碰撞的概率,并对工程施工期间的通航安全风险进行评估.计算结果表明,在航道船舶流量较大、施工船舶穿越航道频次较多时,航道(工...     

外高桥水域通航危险度分析及管理对策

上海外高桥海事处管辖水域是长江上海段最主要的通航水域之一,航行船舶密度高,通航环境复杂。为了确保该水域安全和畅通,通过对该水域通航环境及通航危险度进行分析,提出相应的安全管理措施。     

影响船舶碰撞危险度的因素

影响船舶碰撞危险度的主要因素有DCPA、DCPA的误差、TCPA、TCPA的误差、目标船方位、目标船舷角、本船航速、目标船的航速、会遇时两船的航速比等。分析了各因素对船舶碰撞的危险度的影响情况，以便正确确定在当时避碰环境下的影响船舶碰撞危险度的主要因素，防止船舶碰撞事故的发生。     

基于模型预测控制的船舶自主避碰方法

针对海上多船会遇情况下的船舶自主避碰问题,提出一种基于船舶运动数学模型的开阔水域船舶自主避碰方法.该方法利用模型预测控制(MPC)算法,在考虑船舶操纵性和避碰规则的条件下,采用模糊数学理论分析船舶航行过程中的碰撞危险度,进而构建避碰算法的评价函数,实现船舶自主避碰.仿真结果表明,该算法能解决开阔水域多船会遇情况下的船舶自主避碰问题,验证了算法的有效性.     

基于改进的神经网络的船舶碰撞危险度的模型

针对船舶碰撞危险度具有模糊性、不确定性等特点,依据模糊理论方法建立的船舶碰撞危险度的数学模型,直接采用来船航速、来船航向、来船对本船的相对舷角和来船对本船距离作为神经网络的输入,采用Levenberg-Mrquardt优化算法这种改进的BP神经网络进行训练和仿真,并与标准BP算法和动量BP算法进行比较,发现经过改进的网络求得碰撞危险度比标准BP算法和动量BP算法具有更好的效果,网络能够更有效收敛,大大提高了网络的收敛速度和泛化能力。