《船舶碰撞危险度的计算方法比较(非匿名)》由会员分享，可在线阅读，更多相关《船舶碰撞危险度的计算方法比较(非匿名)（6页珍藏版）》请在金锄头文库上搜索。
1、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 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岀绝对的船舶碰撞危险度的数值，它仅 能计算岀多船时，各目标船的相对碰撞危险度，但是它的计算简单，结果
2、明确。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 IndexZENG Jia n-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
3、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
4、 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 calculate the absolute value of co
5、llision 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其中:二 arccos船舶碰撞危险度（Collision
6、 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。CRI的取值范围为 01。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
7、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TCPA的公式推导2假设本船的航速为v，航向为C。；目标船的航 速为vt，航向为Ct ；目标船相对于本船的方位角为 B ;目标船与本船之间的距离为D。（1）相对速度_计算Vr 二 M2 Vo2 -2
8、Vt 习o tos：（ 1 ）其中：二C-Ct（取_0 180）（2）相对航向Cr计算Cr 二C。Q d0）（ 2）Cr 二C -Q （ ： ：0 ）(3 )相对舷角Qr的计算Qr 二 B(4) DCPA和TCPA的计算(3)J122 _DCPAi22 二vrDCPA =D sin(Qr)TCPA =D eos(Qr)/vr(4)其中：DI为最晚避让距离；D2i为目标船i可 采取避让措施的距，其值均受到航行区域的状况、 能见度状况就、以及人为因素的影响。1.2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n_1艘，UDCPA、UTCPA、UDj、口耳、UKi 为目标船 i 各
9、参 数的危险隶属度且属于 0，1，i =1,2,3n，则目 标船i的碰撞危险度表达式为3:fi(U DCPA i，UTCPA i，U Di，U Bii a D U(6)DCPA i，UTCPA iaTCPA UTCPA其中：11 1UDCPAisin-i 22 d2 _d1I0,uKi ) =a a BU BiDCPA UDCPA ia K u KiDCPAj 蚪(DCPAi)(5)d1 : DCPAi 如 2d2 : DCPATCPAj UTCPAit2 -TCPA i )2t20L.t1 : TCPAi t2t2: TCPAiUDi1=(D!)2Di_DlUBiUKi(D2i -D1)0D
10、i :Di D?D2i 0.8180 360 J1.1 0.4180 0$ ：112.5dl112.5 乞Bj 47.5247.5 :Bi -360d2 =2d1这里：t1为船舶碰撞时间，t2为船舶碰撞注意 时间。D/二DCPA i2v”t,riDt _DCPA ivriDCPA i D!DCPA i .D1DH1_H2.H3DLAD2 = H1-H2-H3-Ri式中：R =1.7cos(B -19)+j4.4+2.89cos2(Bi 一19了已由能见度决定；H2由当前水域情况决定；H3由人为因素决定，包括操船者的经验、技术、反应能力以及心理素质等。DLA( the Distanee of t
11、he(7)Last Action )为最晚施舵距离， 一般取为12倍的船 长；QQC 为碰角(0 _C _180 ) ； WW =2 ； aDCPA、aTCPA、aD、a 的参数权重，均属于0, 1，且为常数，取 aK为目标船aDCPA aTCPA aD aB aK - 1。假设本船的船速为16kn，航向为存在5艘目标船与本船会遇并构成碰撞危险， 见度良好，操船者水平较好，水域情况良好，船舶0,本船周围设能的操纵性能较好 ，即取 比=H2 =H3 =1，船长为 100米，各目标船的参数权重均相等为 标船的参数信息如表1所示。表1 5艘目标船的参数信息0.2。5艘目目标船航速(kn)方位(航向(
12、距离(n mile)112.001604214.001706316.001907414.0603006520.01003356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2模糊数学法的计算结果目标船DCPA(n mile)TCPA (min)KCRI1-0.59528.60401.3330.54142-0.488112.00571.1430.514430.610113.125010.51424-0.688223.68421.1430.513750.431041.19820.80.4443图2 BP神经网络网络拓扑图2 BP神经网络算法2.1 BP神经网络
13、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。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
14、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BP神经网络计算 CRI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2.3应用BP神经网络计算 CRI网络初始化：设置网络最大允许误差为 0.00
