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：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

表15艘目标船的参数信息

目标船航速

（kn）方位

（°）

航向

（°）

距离

（n mile）

1 12.0 0 160 4

2 14.0 0 170 6

3 16.0 0 190 7

4 14.0 60 300 6

5 20.0 100 335 6

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）

K CRI

1 -0.595

2 8.6040 1.33

3 0.5414

2 -0.4881 12.0057 1.14

3 0.5144

3 0.6101 13.1250 1 0.5142

4 -0.6882 23.6842 1.143 0.5137

5 0.4310 41.1982 0.8 0.4443

2 BP神经网络算法

2.1 BP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