船舶操纵预报的神经网络方法

【摘要】： 随着国际贸易的发展，世界海运量迅速扩大，使得海上航行的船舶数量显著增加，单船吨位急剧扩大，船速也在不断提高，造成海上交通密度加大，航行更加复杂。根据近几年资料统计，世界上由于船舶操纵性原因而造成航运事故的船舶每年约有两百多艘，因而关于船舶操纵性的研究也越来越引起人们的重视。 由于船舶的运动在实际的航行过程中随船舶的工作状态(如载荷、吃水深度、航速等)及航行环境(如航线、水深、风、浪、流等)的不同而有很大的变化，是一个模型时变、非线性、大干扰的过程，将智能化控制技术用于其中将会有助于船舶避碰与操纵系统的自动化程度的提高。 近几年，随着神经网络研究的再度兴起，神经网络在模式识别、系统辨识、图像处理和自动控制等许多不同的领域得到了广泛的应用，其在船舶操纵性中的应用也受到了国内外众多学者的关注。其原因是神经网络具有其突出的优点：①能够逼近任意复杂的非线性函数关系；②能适应和学习不确定系统的动态特性；⑧由于所有信息都分布存储于网络单元间的联结权，故具有很强的容错性和鲁棒性；④采用信息的分布式并行处理，具有较快的运算速度。 本论文在神经网络方法应用于船舶操纵运动方面，主要完成了船舶操纵运动水动力的学习和预报、船舶回转运动时回转圈及主要特征参数的学习和预报以及Z形操舵试验Z形曲线的学习和预报。在操纵运动水动力方面，以散货船和油船为例探讨应用BP网络完成水动力的学习和预报；在回转圈方面，完成了不同船舶在不同舵角下的学习和预报；在Z形曲线方面，对不同的船舶在同一舵角下进行学习，预报了另外两艘船舶的Z形曲线。研究结果表明，只要选择适当的学习样本、网络结构和学习算法，神经网络的水动力预报精度、回转运动预报和Z形曲线的预报在实际中可以接受。