隨著航海事業(yè)不斷發(fā)展,現(xiàn)代化艦船對(duì)導(dǎo)航系統(tǒng)精度、可靠性和智能化程度等提出了更高要求。針對(duì)導(dǎo)航信息融合精度不夠、航海安全保障愈發(fā)重要以及系統(tǒng)故障頻率不斷增大等問(wèn)題,以艦船組合導(dǎo)航系統(tǒng)為基礎(chǔ),開(kāi)展基于人工智能技術(shù)的導(dǎo)航系統(tǒng)研究。對(duì)人工智能在卡爾曼濾波融合、航海避碰決策以及智能故障診斷中的應(yīng)用,進(jìn)行深入探討和總結(jié)。對(duì)于新型艦船組合導(dǎo)航系統(tǒng)朝著更高精度、更高可靠性和智能化方向發(fā)展,具有重要的理論指導(dǎo)意義。 

【文章來(lái)源】：艦船科學(xué)技術(shù). 2020,42(19)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

神經(jīng)網(wǎng)絡(luò)模型的建立過(guò)程Fig.1Thelearningprocessofneuralnetworks

?瞬ㄆ魅諍轄峁?畝??鉤ィ?傭?行Ы檔?了模型誤差對(duì)濾波精度的影響。XgXkXkˉXk應(yīng)用神經(jīng)網(wǎng)絡(luò)輔助卡爾曼濾波的基本原理如圖3所示：1）對(duì)系統(tǒng)模型和輸入輸出樣本進(jìn)行分析，建立神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和初始參數(shù)；2）將聯(lián)邦卡爾曼濾波器的輸出作為系統(tǒng)初始估計(jì)，經(jīng)神經(jīng)網(wǎng)絡(luò)計(jì)算得到視為誤差補(bǔ)償估計(jì)；3）利用計(jì)算和期望輸出的差值PgXgˉXg訓(xùn)練神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)模型參數(shù)的優(yōu)化；4）神經(jīng)網(wǎng)絡(luò)模型輸出校正值，對(duì)初始估計(jì)進(jìn)行誤差補(bǔ)償，并將補(bǔ)償后的作為系統(tǒng)的最終估計(jì)結(jié)果。圖3神經(jīng)網(wǎng)絡(luò)輔助卡爾曼濾波原理框圖Fig.3Blockdiagramofneuralnetwork-assistedKalmanfiltering4航海智能避碰專(zhuān)家系統(tǒng)4.1系統(tǒng)方案設(shè)計(jì)航海智能避碰專(zhuān)家系統(tǒng)采用探測(cè)傳感器對(duì)危險(xiǎn)目標(biāo)進(jìn)行探測(cè)，通過(guò)無(wú)線網(wǎng)絡(luò)接收指揮中心和其他艦船直接發(fā)來(lái)的航行信息，基于航行專(zhuān)家知識(shí)庫(kù)中的知識(shí)案例進(jìn)行計(jì)算推理，判斷是否會(huì)出現(xiàn)碰撞等危險(xiǎn)情況，然后決策給出避讓行動(dòng)方案。航海智能避碰專(zhuān)家系統(tǒng)設(shè)計(jì)方案如圖4所示。在判別碰撞危險(xiǎn)度階段，系統(tǒng)依據(jù)目標(biāo)運(yùn)動(dòng)狀態(tài)和海洋環(huán)境信息，基于碰撞危險(xiǎn)度模型計(jì)算出碰撞危險(xiǎn)度；在判斷碰撞危險(xiǎn)態(tài)勢(shì)階段，系統(tǒng)依據(jù)兩船的相對(duì)位置和航行信息，對(duì)當(dāng)前的碰撞態(tài)勢(shì)進(jìn)行匹配識(shí)別；在艦船避讓決策階段，系統(tǒng)基于碰撞危險(xiǎn)度和碰撞態(tài)勢(shì)，依據(jù)專(zhuān)家知識(shí)和經(jīng)驗(yàn)進(jìn)行綜合推理，在此過(guò)程中可通過(guò)人機(jī)交互接口獲取補(bǔ)充信息或者傳遞解釋信息，最圖4航海專(zhuān)家避碰系統(tǒng)設(shè)計(jì)方案Fig.4Designschemeofcollisionavoidancesystemformarineexperts·154·艦船科學(xué)技術(shù)第42卷

叫行畔ⅲ??諍叫兇?抑?犢庵械鬧??案例進(jìn)行計(jì)算推理，判斷是否會(huì)出現(xiàn)碰撞等危險(xiǎn)情況，然后決策給出避讓行動(dòng)方案。航海智能避碰專(zhuān)家系統(tǒng)設(shè)計(jì)方案如圖4所示。在判別碰撞危險(xiǎn)度階段，系統(tǒng)依據(jù)目標(biāo)運(yùn)動(dòng)狀態(tài)和海洋環(huán)境信息，基于碰撞危險(xiǎn)度模型計(jì)算出碰撞危險(xiǎn)度；在判斷碰撞危險(xiǎn)態(tài)勢(shì)階段，系統(tǒng)依據(jù)兩船的相對(duì)位置和航行信息，對(duì)當(dāng)前的碰撞態(tài)勢(shì)進(jìn)行匹配識(shí)別；在艦船避讓決策階段，系統(tǒng)基于碰撞危險(xiǎn)度和碰撞態(tài)勢(shì)，依據(jù)專(zhuān)家知識(shí)和經(jīng)驗(yàn)進(jìn)行綜合推理，在此過(guò)程中可通過(guò)人機(jī)交互接口獲取補(bǔ)充信息或者傳遞解釋信息，最圖4航海專(zhuān)家避碰系統(tǒng)設(shè)計(jì)方案Fig.4Designschemeofcollisionavoidancesystemformarineexperts·154·艦船科學(xué)技術(shù)第42卷

【參考文獻(xiàn)】：
期刊論文
[1]艦船自動(dòng)智能避碰數(shù)學(xué)模型及其仿真研究[J]. 鮑宏楊.  艦船科學(xué)技術(shù). 2017(19)
[2]基于模糊神經(jīng)網(wǎng)絡(luò)的智能故障診斷專(zhuān)家系統(tǒng)[J]. 司景萍,馬繼昌,牛家驊,王二毛.  振動(dòng)與沖擊. 2017(04)
[3]一種基于神經(jīng)網(wǎng)絡(luò)的卡爾曼濾波改進(jìn)方法[J]. 蔣恩松,李孟超,孫劉杰.  電子與信息學(xué)報(bào). 2007(09)
[4]船舶會(huì)遇過(guò)程中避碰階段的劃分與量化[J]. 胡甚平.  中國(guó)航海. 2001(02)

碩士論文
[1]模糊神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)在發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用研究[D]. 王禮軍.重慶交通大學(xué) 2012
[2]智能導(dǎo)航系統(tǒng)研究[D]. 楊躍輪.哈爾濱工程大學(xué) 2002



本文編號(hào)：3611726