基于模糊神经网络的船舶避碰研究

摘要

近年来，随着船舶交通事业的日益繁忙，海上交通事故次数逐年上升。其中，操作不当等人为因素引起的碰撞事故占有较大比例。船舶避碰智能化研究对减少人为因素引起的碰撞事故具有现实而重要的意义。 模糊神经网络(FNN)是模糊推理和神经网络的有机结合，是近来研究的热点之一。模糊推理系统本身不具备自学习能力，人工神经网络又不能用模糊语言来表达人脑的推理功能，但模糊神经网络就克服了两者的缺点。模糊逻辑将神经网络预结构化，对权值进行可能的解释，使神经网络易于为人们所理解，因此模糊神经网络的自适应性好，泛化能力强，具有较好的鲁棒性。 本文首先分析了船舶避碰的基本原理。主要做了以下工作：分析船舶碰撞事故发生的过程及其采取避碰的过程；对避碰规则规定的三种会遇局面进行了定量划分及对避碰行动局面进行了划分；根据目标船方位和距离变化信息或本船与目标船航向和航速信息确定DCPA和TCPA数学模型；船舶碰撞危险度的定义和影响因素。 第二，研究模糊理论的基础上，讨论船舶避碰中的模糊性，选择影响碰撞危险度因素，确定各影响参数的隶属度，并用实例说明模糊理论在评价船舶危险度中的应用。 第三，探讨了确定碰撞危险度的快速BP神经网络，通过仿真，结果理想。最后，模糊神经网络技术具体在船舶避碰领域中的应用。主要做了以下工作： ⑴模糊神经推理网络对船舶碰撞危险的评判。提出了一种模糊神经网络模型，经过实例仿真计算,输出结果精度较高,与实际情况相符合。结果表明，模糊神经网络推理方法比单纯的模糊推理系统更具优势。 ⑵基于模糊神经网络的船舶避碰推理系统。提出了一个由三个子网络组成的船舶避碰模糊神经推理网络，通过实例验证，是一种很好的船舶避碰决策方法。 ⑶船舶碰撞危险的ANFIS方法的研究。不仅用ANFIS方法比较出比单纯的三层神经网络系统的优势，而且提出了一种改进的ANFIS方法，通过仿真结果可知，具有比较好的效果。 本文研究表明，模糊神经网络技术能够较好地运用于船舶避碰相关领域，而且模糊神经网络技术能够推动船舶避碰智能化的发展，也为避碰的研究提供了一种很好的理论基础和技术手段。