对船舶操纵运动模拟和智能技术的分析

刘子健

摘 要：加强智能技术在船舶操纵运动模拟过程中的有效应用，有利于提升船舶的可操作性，对增强航船的安全性和稳定性，具有重要作用。本文在对船舶操纵运动模拟的方法进行综合阐述的基础上，分析了船舶操纵运动模拟和智能技术的几种算法，并介绍了智能技术在船舶操纵运动模拟中的应用实例，以期为相关人士提供借鉴和参考。

关键词：船舶操纵运动 智能技术 神经网络

1.前言

随着社会经济的不断发展和社会生产力水平的进一步提升，航运业呈现了迅猛的发展趋势，航船呈现向大型化和高速化的发展趋势，对航船的可操作性提出了较高的要求。现阶段，我国的航船操纵性较差，加之海上运输的拥挤，使得海难事故频发，若不能完善航船的可操纵性，会对航海事业的更好发展形成阻碍。因此，加强智能技术在船舶操纵运动模拟过程中的有效应用，具有十分重要的现实意义。

2.船舶操纵运动模拟的方法

现阶段，自由自航船试验模拟方法和建立船舶运动数学模型模拟方法是船舶操纵运动模拟的主要方法。其中，自由自航船试验模拟方法属于物理模拟方法，依据实际船舶的相关参数设计船舶模型，使其在天然湖泊中进行操纵试验、回转试验，获得船舶操纵性的准确数值，为研究人员提供科学的参考依据。建立船舶运动数学模型模拟方法属于数学模拟方法，通过对计算机的充分利用，建立数学模型，通过求解船舶可操作性的数值得到船舶操纵运动的数学模型，然后进行船舶操纵试验，获得操纵性的精确数据，实现对船舶可操纵性的预测。建立船舶运动数学模型模拟方法需要对水动力系数进行预测，进而选定数学模型，随着科技的迅速发展，水动力系数预测的方法日趋完善，船舶运动数学模型模拟方法在船舶操纵运动预报过程中得到了广泛应用。船舶操纵控制具有复杂性的特点，经历了控制、自适应控制和智能控制的发展阶段，包含神经网络、模糊分析和遗传算法等智能技术，通过充分运用上述技术，能够有效降低航行环境对船舶航行安全性与稳定性的不良影响，通过适时调整控制参数，实现对航船运行不稳定性问题的有效解决。

3.船舶操纵运动模拟和智能技术的应用分析

（1）船舶操纵运动模拟和智能技术的几种算法

①神经网络

神经网络是智能技术的典型算法，多个并行的神经单元构成了神经网络，与自然界的生物神经系统同出一辙，各个神经单元之间的连接强度决定了神经网络的连接函数.一般情况下，通过对神经元之间的连接强度进行适当调整，使得网络输出值与网络输入值尽量相符，从而实现训练神经网络的目的。神经网络是一種隐性的数学机制，可被应用于映射A维空间到B维空间的非线性关系，而这一应用需要依靠对神经网络进行训练方可实现。随着神经网络的迅速发展，神经网络在社会生活的各个领域得到了广泛的应用，且在图像处理、系统辨识和自动控制领域的应用最为广泛。在神经网络中，多层前向网络得到了广泛应用，该神经网络建立在误差反向传播的基础上，实践研究表明，90%以上的神经网络是建立在多层前向神经网络基础之上。多层前向神经网络通过给定任意函数f，ε大于0，建立三层前向神经网络，使得ε的平方值无限接近函数f，由此可知，神经网络映射的为网络输入值和输出值在任意精度上的连续函数。

②模糊逻辑

模糊逻辑是基于模糊控制理论的一种算法，为了提升数学建模的精确性，通过结合人脑的特点，对其进行智能化处理，进而演化成一种新型的智能控制方法。1965年，模糊集理论的诞生标志着模糊逻辑算法的产生。模糊控制由模糊推力、模糊化、去模糊化和规则库等模块构成。为了实现模糊控制，通常应用非模糊量描述模糊程度，通过将非模糊量转化为模糊量，实现模糊化，反之，若模糊推理的值为模糊值，需要将模糊值转化为非模糊量，这一过程被称为去模糊化。规则库是指专家的专业知识和操作人员的操作经验，是模糊推理建立的基础。规则库能够将专家的专业知识和操作人员的操作经验转化为模糊控制规则，充分体现人为控制的特点。

③遗传算法

遗传算法是基于达尔文生物进化论基础之上的，通过模仿生物体的遗传和变异，实现对外部环境的良好适应，实现优胜劣汰的目的，形成较为优化的算法。遗传算法通过模拟即将搜索问题的解空间，将其映射为遗传空间，对求解的问题进行编码，将每一个解表示为具体的向量，称为染色体，向量的基本元素称为基因，随机产生一个种群，依据一定的目标评价每个染色体，根据评价结果给出适应度值，遗传算法的计算规则依据适应度值合理选择染色体产生新的种群，对种群进行重新评价，以此类推，促使种群中染色体的适应度值不断提升，直至达到最优，方可停止迭代，计算结束。

（2）智能技术在船舶操纵运动模拟中的应用实例分析

①用于操纵性水动力系数的预测

建立船舶操纵运动模型是获悉船舶在运动过程中网络控制输入的关键，有利于求解船舶操纵运动模拟的前提条件，能够为设计自动舵奠定良好基础。本文应用船舶操纵性水动力系数的预测方法对江苏南通长江大桥船队的船舶可操纵性进行了滤波、无量纲化和插值处理，求得了试验船舶操纵性水动力系数，水动力系数的值分为为：X1=-0.0039，X2=-0.3221，X3=0.0247，Y1=-0.0298，Y2=0.0156，Y3=-0.0165，将上述水动力系数分别代入稳定性指数公式中，可求得稳定性知识C>0，由此表明江苏南通长江大桥船队的船舶具有较为稳定的航向。利用辨识的水动力系数对船舶操纵运动进行模拟，将模拟结果与实际船舶的操纵结果进行比较发现，模拟结果与实际试验结果具有一致性，表明本次水动力系数的预测符合工程的实际需求。

②用于模拟船舶操纵运动

2016年，某科研机构在大连的旅顺港附近进行了实际船舶的操纵试验，目的是为计算船队和海轮过桥的航迹带宽度，为建立船舶操纵运动模拟模型提供科学的数据支持，同时，也能给为合理规划航线提供可靠的参考依据。为了提升试验结果的精确性，本次研究选取了1.6万吨、功率为972×2kw的长江22018作为试验船舶，考虑到潮流的影响，将船舶操纵试验的时间定于2016年7月26日下午3时，为了确保航船的航行安全，避免过往船只对航船造成的不利影响，将试验的地点定在旅顺联检锚地。同时，本次研究还选取的海轮船长度为220m，宽约32.24m，主机额定功率为10800kw，为了提升试验模型的准确性，对进行了滤波、无量纲化和插值处理。在选择实际船舶样本训练神经网络的过程中，剔除掉操舵阶段，使用训练完毕的神经网络对操舵阶段进行模拟发现，在操舵阶段出现了跳跃现象。于是，研究人员提出操舵阶段的神经网络实现回转角速度的模拟，然后再用神经网络模拟船舶运动，跳跃现象消失，表明跳跃现象与船舶操纵运动的线性方程之间存在密切的关系。在模拟船舶操纵运动的过程中，通过加上操舵阶段，相当于在船舶操纵运动的线性方程分别加上了非线性项，跳跃现象会消失。

4.结论

通过以上研究发现，在加强智能技术在船舶操纵运动模拟应用过程中，通过运用神经网络模型，能够实现对船舶操纵性水动力系数的预测，还能够实现对船舶操纵运动的模拟。因此，在船舶操纵运动模拟过程中应用智能技术，可以借鉴上述方法。

参考文献：

[1]张心光，王岩松.基于支持向量回归机和粒子群算法的船舶操纵运动模型辨识[J].船舶力学，2016，2011：1427-1432.

[2]吴兴亚，高霄鹏.全回转桨初始安装偏角对船舶操纵性的影响[J].船海工程，2016，4506：9-14.

[3]戴财龙.船舶操纵要素在避让中的应用实践微探[J].科技创新与应用，2016，27：56.endprint