ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ СТАБИЛИЗАЦИИ СУДНА НА ТРАЕКТОРИИ

Аннотация

Предлагается построение прогнозирующей модели для стабилизации судна на траектории на основе нейронных сетей. Прогнозирующая модель состоит из трёх нейронных сетей, связанных между собой блоками суммирования, умножения и операциями единичных задержек. Первая нейронная сеть принимает на вход вектор величин, определяющих динамику судна в три последовательных момента дискретного времени, и прогнозирует продольную и поперечную относительную скорость судна, а также его курс на более поздний третий момент времени. Вторая нейронная сеть принимает на вход значения выхода первой сети, взятые в два последовательных момента времени, и прогнозирует значения интегралов от северной и восточной составляющих относительной скорости, взятых по времени на промежутке между указанными моментами. Третья нейронная сеть принимает на вход геодезические широту и долготу судна, параметры заданного маршрута. На выходе сети получается ошибка регулирования, т.е. текущее отклонение центра тяжести судна от заданной траектории, рассчитанное в кратчайшем (перпендикулярном) направлении. Каждая из сетей содержит два слоя. Нейроны первого слоя имеют непрерывные ограниченные монотонно возрастающие нелинейные функции активации. Нейроны второго слоя имеют тождественные функции активации. Только нейроны первого слоя имеют пороговые смещения. Нейросетевая прогнозирующая модель была реализована в среде MATLAB в виде единой нейронной сети произвольной структуры, которую нельзя отнести к известным типам. Такая сеть имеет 16 слоёв, и связь с входом существует не только для нейронов первого слоя. Проверена возможность обучения такой сети.

Ключевые слова

траектория судна, адаптивное управление, прогнозирующая модель, нейронная сеть, универсальная аппроксимация

Читать полный текст статьи:  PDF

Список литературы

Вагущенко Л. Л. Системы автоматического управления движением судна / Л. Л. Вагущенко, Н. Н. Цымбал.- Одесса: Фенiкс, 2007. - 328 с.
Дмитриев С. П. Задачи навигации и управления при стабилизации судна на траектории / С. П. Дмитриев, А. Е. Пелевин. - СПб.: ГНЦ РФ ЦНИИ «Электроприбор», 2002. - 160 с.
Довгобород Г. М. Синтез системы обработки информации и управления движением судна, использующей данные спутниковых навигационных систем: дис.. канд. техн. наук: 05.13.14 / Георгий Моисеевич Довгобород. - М., 2000. - 208 с.
Fossen T. I. Handbook of Marine Craft Hydrodynamic sand Motion Control / T.I. Fossen. - Chichester: John Wiley & Sons Ltd, 2011. -xviii. - 575 p.
Timchenko V. L. Optimization of nonlinear systems of variable structure for control of marine moving vehicles / V. L. Timchenko, O. A. Ukhin, D. O. Lebedev // Journal of Automation and Information Sciences. - 2017. - Vol.49.- Is.7. - Pp. 33-47. DOI: 10.1615/JAutomatInfScien.v49.i7.30.
Hui Z. Neural network robust control of ship trajectory tracking / Z. Hui, S. Ji-hong // Mechatronics and Automation (ICMA), 2014 IEEE International Conference on. - IEEE, 2014. - Pp. 1371-1375. DOI: 10.1109/ICMA.2014.6885899.
Liu C. Adaptive NN-DSC Control Design for Path Following of Underactuated Surface Vessels with Input Saturation / C. Liu , C.P. Chen, Z. Zou, T. Li // Neurocomputing. - 2017. - Vol. 267. - Pp. 466-474. DOI: 10.1016/j.neucom.2017.06.042.
Kula K. S. Model-based controller for ship track-keeping using neural network / K.S. Kula // Cybernetics (CYBCONF), 2015 IEEE 2nd International Conference on. -IEEE, 2015. - Pp. 178-183. DOI: 10.1109/CYB-Conf.2015.7175928.
Reese B. M. A graph search and neural network approach to adaptive nonlinear model predictive control / B.M. Reese, E.G. Collins Jr. // Engineering Applications of Artificial Intelligence. - 2016. - Vol.55. - Pp. 250- 268. DOI: 10.1016/j.engappai.2016.07.001.
Soloway D. I. Neural generalized predictive control / D. Soloway, P.J. Haley // Proceedings of the 1996 IEEE International Symposium on Intelligent Control. -IEEE, 1996. - Pp. 277-282. DOI: 10.1109/ISIC.1996.556214.
Сотникова М. В. Многоцелевые законы цифрового управления подвижными объектами: дис.. д.-ра физ.-мат. наук: 05.13.01 / М. В. Сотникова. - СПб., 2016. - 371 с.
Haykin S. Neural Networks and Learning Machines: Third Edition / S. Haykin. - New York: Prentice Hall, 2009. - xxx. - 906 p.
Справочник по теории корабля: в трех томах / под ред. Я. И. Войткунского. - Л.: Судостроение, 1985. - Т. 3. Управляемость водоизмещающих судов. Гидродинамика судов с динамическими принципами поддержания. - 539 с.
Средства активного управления судами / А. Ш. Афремов [и др.]. - Изд.2-е. - СПб.: Крыловский ГНЦ, 2016. - 182 с.
Гофман А. Д. Движительно-рулевой комплекс и маневрирование судна: справ. / А. Д. Гофман. - Л.: Судостроение, 1988. - 360 с.
Дерябин В. В. Нейронная сеть как алгоритм прогноза скорости дрейфа судна // Вестник компьютерных и информационных технологий / В. В. Дерябин. - 2015. - № 6 (132). - С. 11-17. DOI: 10.14489/vkit.2015.06.pp.011-017.
Дерябин В. В. Нейросетевые системы прогноза скорости дрейфа судна / В. В. Дерябин // Вестник Государственного университета морского и речного флота имени адмирала С.О. Макарова. - 2015. - № 5 (33).- С. 7-14. DOI: 10.21821/2309-5180-2015-7-5-1-14.
Дерябин В. В. Нейро-нечёткая модель счисления пути судна / В. В. Дерябин, А. Е. Сазонов // Вестник Государственного университета морского и речного флота имени адмирала С.О. Макарова. - 2015. - № 4 (32). - C. 7-16.

Об авторах

Дерябин Виктор Владимирович - кандидат технических наук

gmavitder@mail.ru. kaf_nav@gumrf.ru

ФГБОУ ВО «ГУМРФ имени адмирала С. О. Макарова»