一种考虑多参数相关性的船舶辅助靠离泊优化算法制造技术

本发明专利技术公开了一种考虑多参数相关性的船舶辅助靠离泊优化算法，其特征在于，包括以下步骤：S1.获取数据：从港口辅助靠离泊数据采集系统获得港口一段时间内的数据M(m1，m2，m3，m4，m5，m6，m7)，(m1，m2，m3，m4，m5，m6，m7)代表(风速，风向角，海水波高，波向角，船舶排水量，船舶离岸距离，船舶速度)的集合；S2.去相关性处理；S3.构建BP神经网络模型，并进行训练和测试，其优点在于，有效改进了BP神经网路对于船舶靠离泊速度的预测效果，能够准确、快速地处理收集到的各种实时信息，然后及时、准确地对靠离泊状态进行判断，进而提高港口船舶靠离泊的安全性、准确性。准确性。准确性。

【技术实现步骤摘要】
一种考虑多参数相关性的船舶辅助靠离泊优化算法


[0001]本专利技术涉及船舶辅助靠离泊
，具体涉及一种考虑多参数相关性的船舶辅助靠离泊优化算法。

技术介绍

[0002]船舶的靠泊安全性是智慧港口建设的关键环节，主要是因为它能够影响船舶安全和港口工作效率。随着港口码头的船舶吨位和密集程度不断地增加，船舶吨位大、惯性大，在靠离泊时存在稳定性差、操作性弱的缺点。近年来的海损事故也是频频发生，靠离泊问题导致的岸与船发生碰撞的事故严重影响了港口的工作效率。而且如果靠离泊时发生碰撞不仅会危及人员安全，而且还可能导致港口环境污染。因此，优化辅助靠离泊的算法，对解决靠离泊难的问题有重要的实际意义。
[0003]传统的BP神经网络，其具有强大的推导和学习能力，能够准确、快速地处理装置收集到的各种实时信息，然后及时、准确地对靠离泊状态进行判断，但是由于港口实时环境参数之间存在着一定的相关性，会导致神经网络的训练效果不是很好。

技术实现思路

[0004]为了解决上述问题，本专利技术提供了一种虑多参数相关性的船舶辅助靠离泊优化算法，即在考本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑多参数相关性的船舶辅助靠离泊优化算法，其特征在于，包括以下步骤：S1.获取数据：从港口辅助靠离泊数据采集系统获得港口一段时间内的数据M(m1，m2，m3，m4，m5，m6，m7)，(m1，m2，m3，m4，m5，m6，m7)代表(风速，风向角，海水波高，波向角，船舶排水量，船舶离岸距离，船舶速度)的集合；S2.去相关性处理：步骤S1中的风速m1和波高m3、风向角m2和波向角m4之间会存在相关性，会对预测模型的准确性产生不利影响，因此需要对获得的数据进行去相关处理。S3.构建BP神经网络模型，并进行训练和测试，从港口共获得大量组数据，其中随机抽取的70％数据用于S3的训练，余下的30％组数据用于测试神经网络。2.根据权利要求1所述的一种考虑多参数相关性的船舶辅助靠离泊优化算法，其特征在于，步骤S2中去相关性处理步骤如下：S21.设置向量M＝(m1，m2，m3，m4)，构成协方差矩阵C
M
其非对角线元素为变量m
a
和m
b
的协方差，对角元素则为m
a
的方差由实对称正定方阵的定义可知，C
M
是具有4个实特征值和4个线性无关且正交的特征向量的4阶实对称正定方阵；S22.设置矩阵A，其各列由C
M
的规则化特征向量所组成，作变换A
T
C
M
A可将C
M
化成对角矩阵，对角元素为C
M
的特征值，作正交变换M＝AL可将向量M变成线性无关的向量L，L的协方差矩阵为对角矩阵向量M变成线性无关的向量L，L的协方差矩阵为对角矩阵因为A
‑1＝A
T
，上式又可以写成L＝A
T
M经过以上处理，得到L＝(l1，l2，l3，l4)可将风速、风向、波高、波浪角变成相互独立的参数，互相之间不会影响，l5，l6，l7＝m5，m6，m7，由此获得处理后的数据L＝(l1，l2，l3，l4，l5，l6，l7)；S23.将所有数据进行归一化处理，归一化公式如下；式中，x表示归一化处理后的数据，l
u
为第u个输入数据(u＝1，2，...，7)，l
min
为输入数据的最小值，l
max
为输入数据的最大值，最终得到数据X＝(x1，x2，x3，x4，x5，x6，x7)。3.根...

【专利技术属性】
技术研发人员：赵奎，魏立明，孙佳隆，庄肃然，朱波，朱广文，刘鲁西，雷凯，张玉石，徐以军，朱宁，
申请(专利权)人：青岛杰瑞工控技术有限公司，
类型：发明
国别省市：