以BP神经网络计算船舶碰撞危险度

基于参考文献〖３〗的多因素确定碰撞危险度模型,研究了在自动避碰系统中确定碰撞危险度的ＢＰ神经网络快速实现方法。通过建立隐含层为９７个神经单元的三层ＢＰ网络,并通过１０６万次训练,使网络能够蕴涵文献〖３〗的所有知识,并使网络所确定碰撞危险度误差在０．５％以下,通过随机样本仿真检验,效果良好。     

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。     

评估碰撞危险度方法的探讨

确定两船或多船会遇中潜在的可能碰撞危险是正确判断碰撞危险的关键之一。本文从信息论理论出发，采用模糊数学原理提出了一种评估碰撞危险的新方法。该方法的目标船行为的不确定性以及我船会遇中存在的危险性推理碰撞危险度，能真实地反映出驾驶人员在决定采取避让行动过程中操船心理，因此能直接作为在两船或多船会遇中采取避让行动的依据。     

一种基于模糊原理的碰撞危险度模型

基于“领域”概念和模糊原理，建立起一个用于确定船舶间碰撞危险度的数学模型。该模型不仅综合考虑了多种因素对碰撞危险度的影响，而且简便易行。通过模拟试验表明：本模型能够很好地反映出实际情况，具有较好的效果。     

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。     

基于模糊层次分析法的船舶碰撞危险度计算

船舶碰撞事故是海上航行安全的首害。如何对船舶进行实时的碰撞预警,提前发现碰撞危险,及时避碰成为了航运界共同关注的前沿课题。船舶碰撞事故成因分析及各指标权重成为了船舶碰撞预警的关键内容。文中利用模糊层次分析法,确定影响船舶碰撞各指标的权重,从而在理论上实现了实时预警的目的。     

基于改进的神经网络的船舶碰撞危险度的模型

  目的  为实现沿海无人驾驶船舶自主航行,充分考虑无人驾驶船舶智能避碰决策的合理性和实时性后,提出并建立一种基于驾驶实践的无人船智能避碰决策方法。  方法  首先,以本体论为基础,设计无人驾驶船舶航行态势本体概念模型,并结合《国际海上避碰规则》及良好的船艺将船舶航行态势量化划分为12种会遇场景;然后,从驾驶实践的角度改进影响碰撞危险度因子的模糊隶属度函数,提出一种多元碰撞危险度评估模型,实现船舶碰撞危险度的精确计算;最后,以船舶避碰总路径最短为目标函数,提出一种基于驾驶员视角（BOP）的智能避碰决策模型,在船舶操纵性、舵角限幅等约束下求解最优避碰策略,并在典型的会遇场景下进行仿真实验。  结果  结果表明,该方法可以准确判断驾驶航行态势,给出合理的转向策略,实现典型会遇场景下的有效避碰。  结论  所做研究可为实现船舶自主航行提供理论基础和方法参考。     

基于四元船舶领域和避碰规则的碰撞危险度模型

为解决使用船舶领域计算碰撞危险度时所选取的船舶领域类型繁多,且碰撞危险度模型中对于目标船船舶领域与海上避碰规则等因素考虑较少的问题,提出基于四元船舶领域和海上避碰规则改进的碰撞危险度模糊评价模型。在计算碰撞危险度时考虑本船是否侵入目标船船舶领域,且根据海上避碰规则当本船为直航船时,判断目标船与本船是否为紧迫局面并将其作为计算因素加入模型。使用MATLAB进行仿真,结果表明改进的模糊评价模型能计算出更符合海上实情且满足海上避碰规则的碰撞危险度,为后续避碰决策研究提供更为准确的数据。     

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。     

基于模糊神经网络的船舶自动驾驶仪的研究

分析了常规船舶自动驾驶仪存在的缺陷,针对船舶操作这种非纷陛、时变参数的控制对象,提出了一种基于模糊神经网络和Bang-Bang控制相结合的控制系统,提高了模糊控制系统的精度,最后通过仿真将模糊型船舶自动驾驶仪与基于模糊神经网络船舶自动驾驶仪的性能作了比较,结果表明后者的方法控制性能良好.     

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船舶多传感器火灾发现算法

在应对和控制船舶火灾过程中,及时发现火灾至关重要,因而火灾发现系统随着造船技术的发展不断发展。传统的火灾警报系统通常采用单传感器模式,依靠简单的逻辑推测出火灾发生的程度,当前船舶主要采用的火灾探测技术为多传感器火灾发现机制。为了提高该机制的精确性,本文提出一种基于神经网络模糊推断系统的多传感器火灾发现算法,通过使用多传感器的集成和协作,以及多参数的综合分析,能够实现多等级的船舶火灾预警。     

基于Attenton-LSTM神经网络的船舶航行预测

航行预测是无人艇关键技术之一。航行问题复杂度较高,传统的预测算法无法满足当前需求。为此,提出一种基于注意力机制-长短期记忆(Attention-Long Short Term Memory,Attention-LSTM)的多维船舶航行预测算法,结合船舶自动识别系统(Automatic Identification Systerm,AIS),采用注意力机制突出对船舶航行起关键作用的输入特征,实现对船舶未来时刻经度、纬度、航向、航速的预测。以成山角海域真实数据为例,进行仿真对比实验,结果表明所提方法具有更好的精确性和鲁棒性。     

基于神经网络的船舶电站频载模糊控制方法研究

为改善船舶电站的动态和稳态性能,本文提出基于神经网络的船舶电站频载模糊控制方法。分别对船舶电站的频率和功率变化情况进行监测,并保存监测数据,通过与正常频载范围进行对比,计算出频载模糊控制量;在此基础上,结合模糊控制原理和神经网络推断逻辑设计电站频载控制器,通过调整单机频率和解列电站频载的方式实现对船舶电站的频载控制。通过实验对比可知,无论频率角度的控制还是功率角度的控制,所提方法的控制性能始终优于传统控制方法。     

船舶航向在线自学习模糊神经网络智能控制方法研究

船舶航向控制是航行控制系统中非常重要的一个环节,在航线自动跟随系统中,航向控制系统的自学习能力会直接决定船舶的航行效果。本文重点对船舶航向在线学习系统进行升级,能够自我学习、自我判断航线的跟随准确度,通过采用先进的模糊神经网络算法,有效改善控制系统的参数,通过不断的自我学习、自我修正,能够使船舶的航行线路始终保持在一定的范围内。本文提出的智能化控制方法能够有效提升航行的稳定性,一定程度上降低事故的发生率。     

基于图像处理和模糊神经网络理论的船舶分类研究

本文将图像处理算法和模糊神经网络分类器相结合进行船舶分类,在研究过程中,首先利用图像处理技术进行图像分割、设定阈值、边缘检测等操作,然后建立了模糊神经网络结构,在此结构基础上进行模糊神经网络分类学习,最后采集到实测数据进行船舶分类,实验结果表明了本文算法的可行性和有效性。