一种基于意识神经网络的船舶路径预测方法

摘要

本发明提出了一种意识神经网络的船舶路径预测方法。具体涉及一种基于意识神经网络的船舶路径预测方法。包括：船舶行进过程中受多因素影响函数模型，并对船体受多因素影响拟合研究船舶路径规律，再通过意识神经网络进行训练得到仿真模型。意识神经网络是指通过对传统神经网络的结构框架进行调整和改进，通过仿生学方法，模拟人类意识产生的流程和框架，使得该神经网络在保证在预测船舶路径误差小的情况下，有更高的执行效率。

说明书

技术领域

本发明涉及人工智能领域和计算机仿真领域，具体涉及一种基于意识神经网络的船舶路径预测方法。

背景技术

随着世界经济的发展，水上交通的运输任务日益繁重，水域交通状况越发繁杂。首先，如何快速准确地实现海上远程遇险目标的定位与跟踪是海上救援工作的重点，也是国际海上搜救领域的工作难点。其次，长久以来,海上漂流物的追踪监测仍以视觉和雷达观测为主，以人工计算为辅，缺乏船舶具体信息，且低效。在茫茫大海上进行落水物体、人员的搜寻是一件极其困难且投入与期待结果严重不成比例也无法预期的工作。最后，由于漂移模型的影响因素很多，各种因素均有可能改变漂移的轨迹，使用传统方法去解决漂移模型问题已经不能满足当前社会智能化的需要。因此，海上失踪目标的漂移路径的确定是海上搜寻和打捞的第一步，也是关键的步骤，找到预测准确的海上定位方法是面临的首要问题。如何使用计算机人工智能技术代替人工计算失事位置和漂移路径，成为了该领域目前研究的热点和难点问题。

目前模仿人类大脑的人工智能领域的深度学习在许多领域取得了很大进步，解决了很多难题。但深度学习的认知能力、关联能力、可解释性和持续学习的能力，还远不如人脑神经网络水平高。因此，提高深度学习智能水平，加强对人类大脑结构、工作原理的研究是目前十分重要的问题。通过研究人类意识产生的结构和原理，对人工智能中深度学习的算法和方法进行研究和完善，进而智能化处理复杂的海上目标漂移路径问题，具有重要作用。

让机器像人一样会联想，一看到风浪大小就能联想到船的安危程度。对于传统的人工智能来说，不是一件易事。主流的深度学习神经网络，可能需要设置上亿个参数，训练数十万次才能进行简单的判别。

综上，本论文选题的目的是在目前研究的基础上建立一种全新的意识神经网络，从而代替人工进行船舶运动轨迹的预测以及判别船体是否安全。

发明内容

本发明的目的在于提出一种基于意识神经网络的船舶路径预测方法。本发明具体实现如下所示：

（1）针对海洋影响船舶漂移路径的因素，研究三维海洋模拟重建的方法，建立以及改进一个具有多影响因素，基于blender软件建立可控的模拟海洋。

（2）针对船舶漂移轨迹受多因素影响，研究在各种因素下对船舶漂移路径的影响，预测其可能遵循的函数规律，建立以及改进相应的数学模型。

（3）针对现阶段传统神经网络的静态性以及无意识性，研究并提出意识神经网络深度学习框架。

（4）针对目前海上漂流物的追踪监测仍以视觉和雷达观测为主，以人工计算为辅，缺乏船舶具体信息，且低效，研究和开发出基于意识神经网络的智能的船舶漂移路径预测系统。

其中（3）所述的意识神经网络深度学习框架为本专利创新的全新的神经网络。此神经网络是根据仿生学，对人类现在具有的意识以及潜意识进行分析，根据其产生的原因、作用的机理结合现有的船舶的不同形状，种类，以及行进环境为研究依据，通过对不同种类的船舶以及所处不同环境下进行分类总结分析而得到舰船在不同环境下的路径轨迹。此模型符合海洋环境诸多不确定因素的影响，且满足船舶模型路径规律及相应分布函数。

而意识神经网络是对传统神经网络的改进。通过对特殊的奖惩机制以及全新的神经网络框架，从而使得该神经网络在保持预测路径准确率的前提下，大大提高训练速度以及产生自主选择的潜意识。

本发明的有益效果在于：

（1）利用全新的意识神经网络模型对船舶路径进行预测和模拟，可以提高训练速度，提升预测准确率，保证仿真的真实度。

（2）利用基于意识神经网络所建立的路径预测系统，可以对突发的船舶失事事故进行快速跟踪处理以及预测其运动轨迹减少经济损失。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实例一起用于解释本发明，并不构成对本发明的限制。

图1. 总体研究方案；

图2. 意识产生原理图；

图3. 意识神经网络仿生模型图；

图4. 海上船舶漂移路径智能计算和预测系统框架图。

具体实施方式

本基于意识神经网络深度学习全新架构的海上飘移路径智能预测系统本项目的总体研究方案以及四个研究内容之间的关系如图 1 所示。本项目的总体研究方案如下：首先，建立一个具有多影响因素，可控的模拟海洋。用于进行模拟船舶海上漂移，并采集相关数据。其次，结合上部分研究内容，研究影响船舶漂移模型的各个影响因素，并找到其之间的联系，预测其可能遵循的函数规律。之后，研究意识与神经网络的关系，建立意识神经网络模型，提出意识神经网络深度学习框架。最后，将该深度学习框架与船舶海上漂移路径预测相结合，将意识神经网络深度学习处理后的样本数据都输入到全新的基于意识神经网络深度学习智能预测系统中从而建立智能飘逸计算和预测系统。以下，针对本项目四个研究内容，分别阐述其技术路线。

具体实现步骤如下：

步骤01. 制作三维模型，和海洋场景，优化舰船模型，建立一个具有多影响因素，可控的模拟海洋。

步骤02. 研究影响船舶漂移模型的各个影响因素，并找到之间的联系，预测其可能遵循的函数规律，建立以及改进相应的数学模型。

步骤03. 研究意识与神经网络的关系，建立意识神经网络模型，提出意识神经网络深度学习框架。

步骤04. 将步骤03得到的深度学习框架与船舶海上漂移路径预测相结合，将意识神经网络深度学习处理后的样本数据都输入到全新的基于意识神经网络深度学习智能预测系统中从而建立智能飘逸计算和预测系统。

本发明中步骤01提出了制作模型并进行优化，使得模型顶点数处于程序可处理的范围之内，为以后的仿真效果做好效率上的准备。

所述步骤01具体包括以下步骤：

步骤0101. 对船体和场景建模。

步骤0102. 应用3Dmax的基本优化命令ProOptimizer Modifier对整体模型优化。通过对优化命令中的面阈值和边阈值以及对边界进行平滑，可以达到精确的控制整体模型的面数和顶点数。并且保存UVW贴图通道信息和Vertex颜色信息，使整体模型保持对称，维持整体模型的法线方向。

步骤0103. 导出优化后的舰船模型到已建好的海洋场景中。

本发明中步骤02中研究影响船舶漂移模型的各个影响因素，并找到之间的联系，预测其可能遵循的函数规律。目前海上漂移物的运动轨迹的影响因素的数据集有 46 种，从数据类型上共分为四类：与海浪相关的特征、与气象相关的特征、与水上漂移物相关联的特征和与水下漂移物相关联的特征。本项目拟提出的海上漂移模型，如公式（1）所示。

上式中，式（1）中，

在式（2）中，

在式（3）中，

所述步骤02具体包括以下步骤：

步骤0201. 将船舶在行进过程中所有可能遇到的不确定因素一一罗列，如风速、风向、浪等。

步骤0202. 根据船舶在多因素影响下的行进轨迹，结合纳什均衡原理，对其进行数学建模。

步骤03中涉及一种新的神经网络模型-意识神经网络。意识神经网络在达到一定量的训练之后将会产生自主意识，当看到某种相似模型或者数据时，将会跳过逐步判断，直接选取最优模型进行运算，我们称之为该神经网络已具备自主意识。关于人类大脑和人类意识体验的知识与追求更先进的系统之间的关系越来越紧密，而且已经引发了一些备受瞩目的交叉研究。本发明将依据意识产生的原理，结合仿生学知识对传统神经网络进行改进，从而得到意识神经网络深度学习框架。所述步骤03具体包括以下几个步骤：

步骤0301. 研究意识产生的原理，将意识产生的流程和机理作为仿生学依据，建立意识产生的模型，流程图见图2。生物的意识产生经历了三个决定性的环节:一是由无机物具有反应特性发展到低级生物的刺激感应性,二是由低级生物的刺激感应性发展到高级动物的感觉和心理，三是由高级动物的感觉和心理发展到人的意识和思维。意识是物质世界发展到一定阶段的产物。物质从自身发展中产生能思维的生物，经历漫长历史过程。在这一过程中，有三个决定性环节:

1、由一切物质所具有的反应特性到低等生物的刺激感应性；

2、由刺激感应的反映形式到高级动物的感觉和心理；

3、由一般动物的感觉和心理到人的意识的产生。

纯粹的动物心理不会自发地产生意识。意识是同人类社会一起产生的。意识是社会性的劳动、语言和人脑的必然产物，在这个意义上,可以理解意识是社会的产物。从意识的起源看,意识是物质世界发展到一定阶段的产物;从意识的本质来看,意识是客观存在在人脑中的反映。识是人脑对客观存在的反映:第一，正确的思想意识与错误的思想意识都是客观存在在人脑中的反映;第二,无论是人的具体感觉还是人的抽象思维,都是人脑对客观事物的反映;第三，无论是人们对现状的感受与认识，还是人们对过去的思考与总结,以及人们对未来的预测，都是人脑对客观事物的反映。意识的能动作用首先表现在,意识不仅能够正确反映事物的外部现象，且能够正确反映事物的本质和规律;意识的能动作用还突出表现在，意识能够反作用于客观事物，以正确的思想和理论为指导,通过实践促进客观事物的发展。

步骤0302. 通过步骤0301的得到的意识产生机理，建立意识神经网络的仿生模型，如图3所示。意识神经网络仿生模型各层网络关系的设置，是按照意识的产生进行划分的。即：在人类意识的产生中，按照佛洛依德的理论，人类意识分为意识和潜意识，潜意识是人类产生意识的基础，人类的意识只占据10%，而更多的是我们“看不到的”潜意识，通过人的潜意识，可以迅速判别可行和不可行，从而进行选择，比如，当人们看到一张不知名的狗的图片时，会根据自己的意识，自动的选择犬科进行该物种的查找，而不会再去从全部物种里面寻找。由此，意识神经网络的仿生模型描述如下。

首先，找到该问题的所有可能涉及的函数模型，建立潜意识函数库，通过相关数据，进行相应的训练，假使有两个数据输入，分别为y和t，且通过人为计算得到标准解x，通过潜意识函数库，将数据（y，t）带入到各个函数中，分别输出结果，假设为{x1,x2.....xn}。

其次，进行奖惩判别。将得出的所有结果与一直结果相比较，选取最接近的解所对应的函数，将该方程运用到该类数据中的权限增加一定数值，选取最差解，将其对应的函数权限减少一定的值，对最优和最差之间解对应的方程分别给予一定的权限增加和减少。具体公式为：

公式（5）中

之后，将输入的由步骤0202所得到的数学模型，寻找相关系数，此步的意义是，当该网络再次遇见近似数据时，可以根据其奖惩机制，来判别选用哪种函数进行训练，而不用再从全部函数库中逐个训练，由此产生自我意识，实现快速解决途径。

步骤04中将结合之前步骤得到的场景仿真模型、多因素影响下船舶路径数学模型以及意识神经网络深度学习框架，进而建立海上船舶漂移路径智能计算和预测系统，其框架图如图4所示。研究该深度学习方法中影响系数在漂移路径预测中的最优值，减少人为不确定因素的影响。该操作系统不会只依靠一种解决方法，它可以针对任务选择最佳的数据处理技术。

所述步骤04具体包含以下几个步骤：

步骤0401. 找到意识神经网络深度学习模型在海上船舶漂移路径的预测中的实际差值。不仅仅是计算和预测目标所在的区域，而且能够有意识的考虑和判断目标周围的区域，进而智能化地预测漂移目标路径和区域。

步骤0402. 提升漂移模型意识神经网络深度学习方法的泛化能力。使该智能算法不仅拥有更少的模型参数、更少的计算时间和更低的训练开支，而且也能提升路径规划的实时性，用意识神经网络代替人为的决策干预，寻找最优方案。

步骤0403. 研究漂移模型意识神经网络深度学习方法中随机系数 X 参数在漂移路径预测中的最优值，以及奖惩机制函数的合理值，使之更加的智能化，减少人为不确定因素的影响。研究在未知动态和不确定性环境下漂移目标路径预测的问题。