一种基于神经网络的船舶自动停泊控制方法技术

一种基于神经网络的船舶自动停泊控制方法，包括以下步骤：1)使用手动控制器采集船舶停泊数据；2)利用数据分析技术对数据集进行处理，剔除数据中的无关变量，降低模型训练的代价；3)对处理后的数据进行归一化处理；4)使用遗传算法对神经网络结构进行优化，进而建立基于神经网络的船舶自动停泊控制模型；5)使用数字仿真对所设计的控制策略进行测试。本发明专利技术有效地克服了传统算法对船舶停泊的非线性过程难以建模的问题，设计了鲁棒性好的船舶停泊控制器。

An automatic berthing control method based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的船舶自动停泊控制方法
本技术属于船舶自动驾驶
，具体为船舶自动停泊领域，涉及一种基于神经网络的船舶自动停泊控制方法。
技术介绍
随着经济的高速发展，世界各国以及国内各地的贸易往来日益频繁，从而导致对交通运输的安全、高效和绿色环保有了更高的要求。海上运输由于具有载运量大、成本低等优点，已经成为当下一种重要的贸易运输方式，如何提高船舶的智能化水平也成为目前一个重要问题。在“互联网+”时代，“智能船舶”、“无人船舶”等概念层出不穷，一场涉及船舶设计、建造、控制、运营等各个阶段的智能化变革正在紧锣密鼓地推进。实现船舶自动驾驶是提高船舶自动化、智能化水平的重点和难点。智能船舶自动驾驶技术具有使用海况适应性强，续航时间长，安全性能高等特点，与传统的驾驶技术相比有着非常大的优势，是当前造船业，航海运输，海洋勘探等行业的主要的发展方向，同时也成为了现在船舶行业的主要的研究方向。船舶停泊是船舶航行过程中必须经历的过程，并且是船舶操纵中最困难的任务之一。因此，实现船舶自动停泊是发展船舶自动驾驶进程中的一个重要环节。为了实现船舶自动停本文档来自技高网...

【技术保护点】
1.一种基于神经网络的船舶自动停泊控制方法，其特征在于，所述方法包括以下步骤：/n步骤一：使用手动控制器Joystick采集船舶停泊数据；/n步骤二：利用特征选择对数据集进行处理，剔除数据中的无关变量，降低模型训练的代价；/n特征选择的目的是从船舶控制训练数据中选择一个最优子集，采用一种分级特征选择方法：先，这些常量变量将被删除，为了消除输入参数之间的冗余信息，采用Pearson相关分析；然后利用基于神经网络的方差敏感性分析来识别每个特征的重要性；假设任意两个输入参数x和y之间，这两个参数的皮尔逊相关性定义如下：/n

【技术特征摘要】
1.一种基于神经网络的船舶自动停泊控制方法，其特征在于，所述方法包括以下步骤：
步骤一：使用手动控制器Joystick采集船舶停泊数据；
步骤二：利用特征选择对数据集进行处理，剔除数据中的无关变量，降低模型训练的代价；
特征选择的目的是从船舶控制训练数据中选择一个最优子集，采用一种分级特征选择方法：先，这些常量变量将被删除，为了消除输入参数之间的冗余信息，采用Pearson相关分析；然后利用基于神经网络的方差敏感性分析来识别每个特征的重要性；假设任意两个输入参数x和y之间，这两个参数的皮尔逊相关性定义如下：



式中，和是x和y的方差；是x和y的协方差，皮尔逊系数用来检测两个输入参数的相关性，如果两个参数的皮尔逊相关性系数...

【专利技术属性】
技术研发人员：帅永辉，许金山，程徐，陈胜勇，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33