船舶碰撞危险度的计算方法比较(非匿名)

船舶碰撞危险度的计算方法研究 曾建辉 鲁艳丽 哈尔滨工程大学自动化学院 黑龙江省哈尔滨市 150001 摘摘 要 要 在船舶安全航行和船舶避碰领域中 研究和计算船舶碰撞危险度是至关重要的 因此采用一种好的方法来计算 船舶碰撞危险度一直是船舶避碰领域研究和讨论的热点 本文分别采用了模糊数学计算法 BP神经网络法和灰色关联分析 法对船舶碰撞危险度的计算进行研究 研究表明模糊数学计算法的计算精度高但是计算量大 BP神经网络法的计算误差较 小 自学能力很强 但是它的运算速度慢 失败的可能性较大 灰色关联分析法不能计算出绝对的船舶碰撞危险度的数值 它仅能计算出多船时 各目标船的相对碰撞危险度 但是它的计算简单 结果明确 关键词 关键词 船舶碰撞危险度 模糊数学计算法 BP 神经网络 灰色关联分析 Research of Method of Calculating Ship Collision Risk Index ZENG Jian hui LU Yan li College of Automation of Harbin Engineering University Harbin 150001 China Abstract In the field of safe navigation of vessels and ship collision avoidance it is crucial to research and calculate ship collision risk So a good method of calculating the ship collision risk is a hot spot in the field of ship collision avoidance This paper uses calculation of fuzzy Mathematics BP neural network and grey relational analysis to research the calculating the ship collision risk The research shows calculation of fuzzy Mathematics is accurate but difficult to calculate computational accuracy of BP neural network is high Self study ability is strong while its operation is slow and possible to failure grey relational analysis can t calculate the absolute value of collision risk it can only calculate the relative value of collision risk when multi ship encounters but its calculation is simple and clear Key words Ship Collision Risk Index Calculation of Fuzzy Mathematics Back Propagation Neural Network Grey Relational Analysis 船舶碰撞危险度 Collision Risk Index CRI 是船舶之间发生碰撞可能性大小的度量 也是船舶 之间发生碰撞危险的衡量标准 更是避碰决策的依 据和评判标准 CRI 是一个很模糊的 不确定的概 念 它不仅要受到航速 航向等因素的影响 还受 到人对危险的感知和接受能力等因素的影响 1 CRI 的取值范围为 0 1 CRI 0 说明没有碰撞危 险 CRI 1 说明无论采取怎样的避让行动都无法避 免和目标船碰撞 CRI 的取值说明了可能发生碰撞 危险的程度 CRI 可以给船舶驾驶员一个早期的避 碰提醒 并且当有多艘目标船与本船会遇时 船舶 驾驶员可以根据 CRI 来判断避让的时机和避让的 顺序 因此船舶碰撞危险度的研究在船舶航行和船 舶避碰领域中具有很重要的意义 本文分别利用模 糊数学计算法 BP 神经网络计算法和灰色关联分 析法对 CRI 的计算进行了研究比较 1 模糊数学计算法 模糊数学计算法 即以影响船舶碰撞危险度 的因素最近会遇距离 DCPA 到达最近会遇点 的时间 TCPA 目标船相对于本船的方位 B 本船与目标船的船速比 K 本船与目标船的距 离 D 等为参数 通过模糊数学计算的方法确定 CRI 1 1 DCPA 与与 TCPA 的公式推导的公式推导 2 假设本船的航速为 航向为 目标船的 0 v 0 C 航速为 航向为 目标船相对于本船的方位 t v t C 角为 目标船与本船之间的距离为 BD 1 相对速度计算 r v 22 00 2cos rtt vvvv v A A 1 其中 0 0 180 t CC 取 2 相对航向计算 r C 0 0 0 0 r r CCQ CCQ 2 照片尺寸为 20mm 30mm 最 好不用红色背景 其中 222 0 0 arccos 2 rt r vvv Q v v A A 3 相对舷角的计算 r Q rr QBC 3 4 DCPA 和 TCPA 的计算 sin cos r rr DCPADQ TCPADQv A A 4 1 2 应用模糊数学法计算船舶碰撞危险度应用模糊数学法计算船舶碰撞危险度 CRI 假设与本船会遇的目标船数为艘 1n 为目标船 各参 DCPAi u TCPAi u Di u Bi u Ki ui 数的危险隶属度且属于 0 1 则目1 2 3in 标船 的碰撞危险度表达式为 3 i iDCPATCPADBKDCPA DCPA iiiiii TCPA TCPADDBBKK iiii fuuuuuau aua ua ua u 5 其中 1 12 12 21 2 1 11 sin 222 0 i DCPAii i DCPAd dd uDCPAdDCPAd dd dDCP i A 1 22 12 21 1 0 i i TCPAi i TCPAt tTCPA utTCPAt tt 2 i tTCPA 1 22 12 21 1 0 i ii Dii i i DD DD uDDD DD 2 ii DD 2 14405 cos 19 cos 19 0360 228917 Biii i uBBB 2 1 1 12sin Ki iii u W KKKC 这里 为船舶最低安全会遇距离 为安 1 d 2 d 全通过距离 1 1 10 2 0112 5 180 270 1 00 8 112 5247 5 180 360 1 10 4 180 i i i i i B B B dB B 247 5360 i B 21 2dd 这里 为船舶碰撞时间 为船舶碰撞注 1 t 2 t 意时间 22 1 1 1 1 1 i i ri i i ri DDCPA DCPAD v t DDCPA DCPAD v 22 2 12 i ri DCPA t v 其中 为最晚避让距离 为目标船 1 D 2i D 可采取避让措施的距 其值均受到航行区域的状i 况 能见度状况就 以及人为因素的影响 1123 DH HHDLA AAA 6 2123ii DH HHR AAA 7 式中 2 1 7cos 19 4 42 89cos 19 iii RBB 由能见度决定 由当前水域情况决定 1 H 2 H 由人为因素决定 包括操船者的经验 技术 3 H 反应能力以及心理素质等 the Distance of DLA the Last Action 为最晚施舵距离 一般取为 12 倍 的船长 为碰角 为常数 取C0180C W 为目标船2W DCPA a TCPA a D a B a K a 的参数权重 均属于 0 1 且 1 DCPATCPADBK aaaaa 假设本船的船速为 16kn 航向为 0 本船周 围存在 5 艘目标船与本船会遇并构成碰撞危险 设能见度良好 操船者水平较好 水域情况良好 船舶的操纵性能较好 4 即取 船 123 1HHH 长为 100 米 各目标船的参数权重均相等为 0 2 5 艘目标船的参数信息如表 1 所示 表表 1 5 艘目标船的参数信息艘目标船的参数信息 目标船航速 kn 方位 航向 距离 n mile 112 001604 214 001706 316 001907 414 0603006 520 01003356 经过计算可得 DCPA TCPA 本船和目标船 的船速比 K 以及 CRI 的值如表 2 所示 表表 2 模糊数学法的计算结果模糊数学法的计算结果 目标船DCPA n mile TCPA min KCRI 1 0 59528 60401 3330 5414 2 0 488112 00571 1430 5144 30 610113 125010 5142 4 0 688223 68421 1430 5137 50 431041 19820 80 4443 2 BP 神经网络算法 2 1 BP 神经网络算法简介神经网络算法简介 典型的 BP 网络是三层的前馈阶层网络 即输 入层 隐含层和输出层 层与层之间实行全互连方 式 同层单元之间不存在相互连接 5 6 其模型如 图 1 所示 输入层隐含层输出层 图 1 三层 BP 神经网络模型 BP 神经网络又称误差反向传播神经网络 是 一种能向着满足给定的输入输出关系方向进行自组 织的神经网络 BP 神经网络算法由两部分组成 信息的正向传递和误差的反向传播 在信息的正向 传播过程中 输入信息从输入层经隐含层逐层计算 传向输出层 每一层的神经元状态只影响下一层的 神经元的状态 7 如果在输出层没有得到期望的输 出 则计算输出层的误差变化值 然后转向反向传 播 通过网络将误差信号沿原来的连接通路反向传 回来 修改各层的神经元之间的连接权值和各个神 经元的阈值直至达到期望的目标 2 2 应用应用 BP 神经网络计算神经网络计算 CRI 的网络结构的网络结构 在船舶碰撞危险度的研究中 DCPA 和 TCPA 被公认为是影响船舶碰撞危险度最重要的两个因素 DCPA 越小 碰撞危险度越大 TCPA 越小 碰撞 危险度越大 这里为了计算的速度快一些 把 DCPA 和 TCPA 值作为网络的输入 直接把船舶碰 撞危险度 CRI 作为网络的输出 经过多次实验 本文选择一个有二个输入结点 的输入层 一个含有五个结点的隐含层 只有一个 输出结点的输出层的 BP 神经网络 网络的拓扑图 如图 2 所示 输入层隐含层输出层 图 2 BP 神经网络网络拓扑图 2 3 应用应用 BP 神经网络计算神经网络计算 CRI 网络初始化 设置网络最大允许误差为 0 0001 网络的最大训练次数为 50000 次 输入层 与隐含层为 logsig 函数 隐含层与输出层为 tansig 函数 训练方法采用 Levenberg Marguardt 方法 8 BP 神经网络算法的流程图如图 3 所示 开始 训练模式提供给网络 计算隐含层 各神经元的输入和输出 计算输出层 各神经元的输入和输出 全部模式训练完 计算输出层 各神经元的一般化误差 调整隐含层至输出层之间的连接权值 和输出层各神经元的输出阈值 否 训练结束 是 网络初始化 给各连接权值和阈值赋初 值 设定最大允许误差和最大训练次数 计算隐含层 各神经元的一般化误差 调整输入层至隐含层之间的连接权值 和隐含层各神经元的输出阈值 更新训练模式 更新训练次数 误差最大训练次数 是 否 图 3 BP 神经网络流程图 根据文献 9 中的训练样本 经过 BP 神经网 络训练 得到了各神经元的连接权值和阈值 如 表 3 所示 表表 3 BP 神经网络的权值与阈值神经网络的权值与阈值 权值 阈值 1i 2i 3i 4i 5i 1 i W 2 74604 99223 42694 1578 2 7912 2i W 0 41890 0408 0 3653 0 2793 0 4159 1i 2 3629 10 08462 10902 82094 5062 1i W 0 7082 2 0867 1 26310 7812 0 8822 21 1 3713 该 BP 神经网络的训练误差曲线如图 4 所示 图 4 BP 神经网络训练误差图 2 4 BP 神经网络算法测试神经网络算法测试 选取一组新的测试样本 使用训练好的 BP 神 经网络进行测试 测试样本值 预测 CRI 值及预 测 CRI 与期望 CRI 及之间的误差值见表 4 表表 4 BP 神经网络的测试结果神经网络的测试结果 DCPA n mile TCPA min 期望 CRI 预测 CRI 误差 2 3310 870 12860 13010 0015 0 6219 680 40000 3814 0 0186 1 6611 450 12860 1284 0 0002 0 6080 83330 84350 0102 0 5810 50 60000 5905 0 0095 0 7939 810 12860 14400 0154 0 50130 60000 5933 0 0067 2 1816 560 12860 13020 0016 0 45120 60000 5845 0 0155 1 2347 530 12860 14100 0124 0 4550 950 9389 0 0111 0 65130 60000 5822 0 0178 0 3512 50 60000 60620 0062 0 359 50 83330 8295 0 0038 0 50120 60000 5812 0 0188 由表中的结果可知 利用 BP 神经网络计算船 舶碰撞的危险度 最终得到了误差较小 精确的输 出结果 该输出结果可以应用于研究船舶避碰决策 系统中 3应用灰色关联分析计算 CRI 3 1 灰色关联分析的基本知识灰色关联分析的基本知识 灰色系统是一种不确定系统的研究方法 它 的研究对象是部分信息已知 部分信息未知的 小样本 贫信息 的不确定性问题 它通过 部分 已知信息的生成和开发实现对现实世界 的描述和认知 其中灰色关联分析是灰色系统的 一个重要的研究内容 灰色关联分析的基本思想是根据序列曲线几 何形状的相似程度来判断其联系是否紧密 曲线 越接近 相应序列之间关联度就越大 反之就越 小 10 设为系统特征序列 0000 1 2 Xxxx n 且 1111 1 2 1 2 1 2 iiii mmmm Xxxx n Xxxx n Xxxxn 为相关因素序列 给定实数 若实数 0 i x kx k 满足 00 1 1 n ii k XXx kx k n 1 规范性 000 0 1 1 iii r XXr XXXX 2 整体性 对于有 0 1 2 ijS X XXXsm m ijji r XXr XXij 3 偶对对称性 对于有 ij XXX ijjiij r XXr XXXXX 4 接近性 越小 越大 0 i x kx k 0 i r x kx k 则称 00 1 1 n ii k r XXr x kx k n 为的灰色关联度 其中 ij XXX 为在点的关联系数 并称 1 0 i r x kx k ij XX取k 2 3 4 为灰色关联四公理 设系统行为序列为 0000 1111 1 2 1 2 1 2 1 2 iiii mmmm Xxxx n Xxxx n Xxxx n Xxxxn 对于 令 0 1 00 0 00 minmin maxmax maxmax ii ikik i ii ik xkx kx kx k r x kx k x kx kx kx k 记为 0 i r x kx k 0 i rk 000 11 11 nn iii kk r XXr x kx krk nn 则称 00 1 1 n ii k r XXr x kx k n 满足灰色关联公理 其中称为分辨系数 取值范 围为 0 1 称为灰色关联系数 称 0 i rk 0 i r XX 为的灰色关联度 记为 0 i XX 0i r 3 2 应用应用灰色关联度计算灰色关联度计算 CRI 其实这里使用的灰色关联分析法并不能计算 出船舶碰撞危险度的具体准确数值 它计算出来的 是多艘目标船与本船之间的相对危险程度 这在船 舶避碰系统中的地位与真正的 CRI 是等价的 具 有很重要的意义 根据灰色关联度的定义 可得关联分析的计 算流程图如图 5 所示 确定评价体系 收集评价数据Xi 确定参考数据列X0 逐个计算每个被评价对象指标序列与 参考序列对应元素的绝对差值 x0 k xi k 计算灰色关联系数 计算灰色关联度 得出综合评价结果 开始 结束 图 5 灰色关联分析流程图 这里以 DCPA TCPA 和本船和目标船的船速 比 K 为评价指标体系 且 DCPA TCPA 和本船 和目标船的船速比 K 的最小值为参考序列 假设本船与目标船的会遇情况和参数同 1 2 节 相同 则应用灰色关联度计算得到的结果如表 5 所示 表表 5 应用灰色关联度计算所得结果应用灰色关联度计算所得结果 目标船 各序列指标的关联系数 i k 各序列关 联度 i r 10 9910 96830 9861 20 99650 82730 97940 9344 30 98910 78280 98790 9199 40 98450 51940 97940 8278 510 333310 7778 根据表 5 中的关联度一栏 通过这个结果可知 与本船会 12345 rrrrr 遇的 5 艘目标船中 碰撞危险度最高的是目标船 1 最低的是目标船 5 因此船舶驾驶员避碰的顺 序应该为 1 2 3 4 5 在 1 2 节中根据表 2 我们可知 因此避碰顺序 12345 CRICRICRICRICRI 为 1 2 3 4 5 这与应用灰色关联度的计算结 果完全相同 4 结论 1 模糊数学计算法是传统的经典的船舶碰 撞危险