一种基于广义自组织神经网络的船舶领域模型的修正方法技术

技术编号:8907767 阅读:185 留言:0更新日期:2013-07-12 00:36
本发明专利技术提出了一种基于广义在线自组织神经网络的船舶领域模型的辨识方法,具有如下步骤:选定船舶安全区域模型,确定该模型的函数、输入变量和期望输出值;建立包含输入层、隶属函数层、T-范数层和输出层的动态模糊神经网络;使用包含所述模型的输入变量和输出值的训练数据集,对所述动态模糊神经网络进行训练直至达到精度要求;将两艘对应船舶的航行参数,作为输入变量输入训练完毕后的船舶安全区域模型,得到两艘船舶的船舶安全区域。由于采用了上述技术方案,相对与传统的船舶领域模型,经过本发明专利技术修正的安全模型,具有更好的精度,安全性也更高。

【技术实现步骤摘要】

本专利技术涉及一种船舶领域模型的修正方法,尤其涉及。
技术介绍
海上智能交通交通作为我国科技发展战略的重要组成部分,已逐渐成为船舶交通和信息科学有效融合的新兴交叉研究热点。而对于海上交通系统的个体船舶行为的研究,则显得尤为重要。20世纪六七十年代,日本的加藤提出船舶航行安全领域的概念至今,文献 中可知,研究者提出了各种不同形状、大小的船舶航行安全领域模型。在现代船舶领域中有着广泛的应用。但是,始终无法形成一个统一的模型,造成上述问题的主要原因有:(1)不同的航行环境的因素导致产生不同形状、大小的模型;(2)大多数的模型都按照统计数据或模拟实验的方法形成;(3)现有的模型都易于理解,但却很难被应用到实际中去。文献 提出了一种复杂的六边形船舶领域模型,用船速和船舶回旋参数确定各边尺寸,该模型使得避碰情况下的船舶便于采用进化算法对其航迹进行优化,但其复杂程度较高,物理意思较含糊,不便于理解和实际应用。结合船舶转向性能等因素给出几种情况下船舶领域边界的量化方法,船舶的操纵性能在该方法中得到体现,但模型尺寸与影响因素之间的函数关系是人为给定的一种粗略的估算公式。值得注意的是提出的“横截面本文档来自技高网...

【技术保护点】
一种基于广义在线自组织模糊神经网络的船舶领域避碰模型的辨识方法,具有如下步骤:—选定船舶安全区域模型,确定该模型的函数、输入变量和期望输出值;—建立包含输入层、隶属函数层、T?范数层和输出层的动态模糊神经网络;—使用包含所述模型的输入变量和输出值的训练数据集,对所述动态模糊神经网络进行训练直至达到精度要求;—将本船的航行参数,作为输入变量输入训练完毕后的船舶安全区域模型,得到本船的船舶安全区域。

【技术特征摘要】

【专利技术属性】
技术研发人员:王宁刘刚健董诺孟凡超孙树蕾汪旭明
申请(专利权)人:大连海事大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1