船舶自动避碰研究中安全会遇距离等要素的确定

以《国际海上避碰规则》为依据，以船长专家对规则的解释和驾驶员的实践经验为基础，应用运动学原理及平面解析几何的认识，基于雷达和AIS提供的信息，导出安全会遇距离的数学模型，并以此为基础提出紧迫局面距离和最晚施舵时机的确定方法，该研究对船舶自动避碰决策的形成具有实用价值。     

船舶避碰行动领域模型的研究

分析船舶领域和动界的研究现状。在研究船舶碰撞危险度的基础上，建立船舶动态避碰行动领域模型。该模型为船舶自动避碰决策系统提供依据，并能直接指导航海人员的避碰行动。其领域边界随碰撞危险度阈值的不同而变化，对于碰撞危险度为零的船舶，该领域不存在。最后，通过实例说明避碰行动领域模型的应用。     

船舶避碰的模糊决策

利用模糊数学结合实际调查提出了一种避碰决策方法，同时给出了在船舶交叉相遇局面上让路船的让路时机和转向幅度，这一方法对于进行避碰研究，帮助海员进行避碰决策，避免船舶碰撞具有一定的意义。     

船舶避碰系统研究综述

随着水上运输行业的愈加繁荣、船舶密度越来越大、航行情况越来越复杂,水上交通安全形势日渐严峻,由此船舶避碰系统成为了水上交通安全领域研究的重点。通过总结国内外专家关于船舶避碰系统研究成果,并对这些研究成果的特点进行了比较分析,将船舶智能避碰系统划分为船舶领域、船舶碰撞危险度评价、船舶规避决策三个主要组成部分。介绍了这三个组成部分其模型构建的主要流程,阐述了它们的发展历程以及不同专家学者的典型成果,着重探讨了其不同构建方法、特点。叙述了模型的本质特征以及目前存在的主要问题,对船舶领域模型、船舶碰撞危险度评价模型、船舶规避决策模型三个模型的发展趋势进行了展望。     

最小安全会遇距离和注意会遇距离的确定

分析了影响最小安全会遇距离和注意会遇距离的因素,并把人的因素归入船舶性能之中。同时,利用模糊神经网络方法确定最小安全会遇距离和注意会遇距离,消除了人的主观臆测,为研究船舶碰撞危险度和避碰决策系统打下了基础。     

船舶避碰的自适应模糊专家系统研究

采用自适应模糊系统和神经网络方法,研究了基于模糊联想规则的避碰操纵知识表示,知识获取和自适应学习;建立了基于二值输入输出模糊联想系统的并行模糊推理机制,由此而建立的船舶避碰撞模糊专家系统具有自适应学习能力,能实现实时避碰导航。     

船舶避碰智能决策自动化研究

简要论述了实现船舶自动避碰的意义、自动避碰的基本过程及其研究内容,重点分析了国内外船舶避碰智能决策自动化的研究现状和动向、存在的主要问题与对策,指出了船舶避碰智能决策自动化尚待研究的课题．     

基于细菌觅食算法的避碰航路优化研究

提出一种基于细菌觅食算法的避碰航路优化算法.该算法优化避碰参数包括避让转向时机、安全避让角度、复航时间和复航角度,细菌状态空间对应解空间.利用最近会遇距离和到达最近会遇点的时间,迭代计算趋化、繁殖和迁移算子,从而获得最优解.通过模拟仿真对遇、追越和交叉3种会遇态势,该算法可有效优化避碰航路,给出最优的避碰参数.该算法可为船舶避碰决策提供新的方法和思路.     

最小安全会遇距离决策模型

概述了最小安全会遇距离的研究现状．系统分析了会遇形势、能见度、会遇双方船长、船速比、两船间距离和本船避让责任对最小安全会遇距离的影响,提出相应的决策模型．该模型的决策结果,不仅更加符合航海实际情况。同时也可有效地减少碰撞危险决策中的不确定性．     

利用GA—BP算法对模糊神经网络进行优化

分析了ＢＰ算法和遗传算法（ＧｅｎｅｔｉｅＡｌｇｏｒｉｔｈｍｓ,以下简称ＧＡ）各自的优缺点,将改进的ＧＡ与ＢＰ算法相结合,提出了一种新的ＧＡ－ＢＰ算法,并将其应用于模糊神经网络的参数优化,仿真结果验了本算法的有效性。     

基于神经网络的模糊控制

提出一种基于神经网络的模糊控制，其模糊化、模糊推理和模糊决策均由神经网络完成，并将用于模糊推理神经网络的输入节点由常规的２７个减少到１５个，减少了训练量。文末给出该模糊控制结构应用于典型环节的实时控制结果。     

基于神经网络的带遗传算法的模糊控制器

研究如何将模糊逻辑系统（ＦＬＳ）、人工神经网络（ＡＮＮ）及遗传算法（ＧＡ）相结合,构成一个有机的控制器,从而达到准确、快速的控制。     

基于神经网络的模糊控制

从最优化角度出发，用神经网络解决模糊控制系统的规则提取问题，给出了可靠的基于ＢＰ算法的神经网络学习过程。讨论了模糊子集个数的选取与系统复杂性、精确性之间的关系。     

非确定性 TS 模糊神经模型鲁棒性的统计判据

非确定性情况下的鲁棒性是智能控制系统不可避免的一个问题．本文将ＴＳ模型的模糊神经网络表达加以拓展，提出并证明了一种基于信息论统计测度的鲁棒性描述判据，该判据是由模糊神经网络、子波变换和信息论统计测度３个部分组成，着重体现了神经信号处理、可变分辨率和随机信号处理的综合，这就为分析智能控制系统的鲁棒性提供了一种有效的数学形式．该结论有助于非确定性智能控制系统的建模与智能控制器的设计．     

基于神经网络和模糊逻辑的加工误差源诊断系统

文章介绍了采用多层诊断方法和加工质量智能分析和诊断系统。此系统采用神经网络、基于规则的ＡＣＦＥ集和模糊推理来诊断误差源；系统建立了产品模型、加工过程模型、加工环境模型和检测模型；并采用面向对象的方法来组织信息；最后系统用箱体类零件在Ｔ１０加工中心加工进行了验证。     

WAVELET PACKET AND FUZZY NEURAL NETWORK FOR TOOL CONDITION MONITORING *

在自动化制造中,线监控刀具状况以保护刀具与加工工件显得越来越重要．近年来,许多研究者在此领域进行了广泛的研究,然而由于加工过程的不确定性,现有的刀具监控系统的可靠性还有待提高．本文提出了一种基于小波包分析与模糊神经网络的自适应刀具监控系统,该系统利用小波包分析方法将加工过程振动信号分解为不同的频率段,并在此基础上,建立了自适应特征提取方法,为模糊神经网络提供最优的特征输入,然后模糊神经网络据此进行决策,分析刀具磨损状况．实验结果表明：该系统模糊神经网络能有效通过学习人类模糊知识和在线学习样本来提高刀具监控精度．     

BP神经网络优化训练技术的研究

在分析ＢＰ神经网络理论的基础上，探讨了ＢＰ神经网络优化训练技术．文中比较了四种训练法，其中自适应调整学习率带冲量项训练法，可大大地提高训练效率，且无振荡现象．     

基于神经网络的船舶碰撞危险度模型

采用模糊理论方法建立船舶碰撞危险度的数学模型 ,并对其中的关键因素安全域 (Domain)和动界(Arena)采用BP神经网络根据专家知识进行学习 .该模型综合考虑了环境、操纵性、会遇势态等多种因素的影响 ,能快速跟踪状态变化 ,可用于船舶避碰专家系统的在线咨询     

用模糊神经网络建立模糊模型方法的推广

本文利用文献 [1 ]中提出的五层前馈式模糊神经网络及其修剪和调整方法 ,将单输入单输出网络推广到二输入一输出系统 ,仿真结果表明效果良好。图 5 ,参 5。     

刀具磨损监测的神经网络实践

监测刀具磨损是自动化加工的一个很重要的研究课题，人工神经网络的出现，为刀具磨损的在线监测开创了广阔的前景，但在应用时出现了易被忽略的问题，例如常用的ＢＰ网络存在着收敛速度慢、易陷入局部极小点等缺陷。该文利用优化理论对ＢＰ网络缺陷进行分析，提出相应的改进措施，即神经网络分解算法，并用于刀具磨损量的估计，实验证明采用的方法是正确的。