ОБОБЩЕННАЯ НЕЙРОСЕТЕВАЯ МОДЕЛЬ СЧИСЛЕНИЯ ПУТИ СУДНА

Рассмотрена задача прогноза кинематических параметров судна, возникающая при определении его места в режиме счисления, решаемая в рамках традиционного подхода на основе обыкновенных дифференциальных уравнений движения. Отмечается, что при составлении данных уравнений, как правило, возникают трудности с выбором алгоритмов, по которым рассчитываются отдельные силы: не универсальны и работоспособность их в любых условиях плавания не может быть гарантирована. Задача прогноза кинематических параметров судна может быть представлена в виде аппроксимации (приближения) функции многих переменных, поскольку нейронные сети являются универсальными алгоритмами такой аппроксимации. В работе предлагается обобщенная модель счисления пути судна на основе нейронных сетей, а также алгоритм ее функционирования. Основу модели составляют глубокие нейронные сети, полученные каскадным соединением двухслойных (мелких) сетей. В структуре модели два типа нейронных сетей: основные и дополнительные. Основные сети прогнозируют кинематические параметры на основе информации о силовых воздействиях на судно, вспомогательные - только на основе его кинематической истории. Конфигурация модели предусматривает режим обычного и аварийного счисления, когда отсутствует достоверная информация, поступающая от однокомпонентного относительного лага или / и гирокомпаса. При неисправности обоих датчиков модель счисления воспроизводит динамику движения судна в горизонтальной плоскости (с тремя степенями свободы), заменяя систему соответствующих дифференциальных уравнений. При этом входные сигналы основных нейронных сетей формируются в соответствии с вектором конфигурации модели. Проанализированы возможности настройки модели и ее использования на практике.

счисление пути судна, глубокие нейронные сети, дифференциальные уравнения, машинное обучение, каскадное соединение

1. Дерябин В. В. Модель счисления пути судна в условиях воздействия внешних факторов / В. В. Дерябин // Эксплуатация морского транспорта. - 2011. - № 1 (63). - C. 33-39.

2. Дмитриев С. П. Задачи навигации и управления при стабилизации судна на траектории: научное издание / С. П. Дмитриев, А. Е. Пелевин. - СПб.: ЦНИИ «Электроприбор», 2002. - 160 с.

3. Юдин Ю. И. Идентификация математической модели контейнеровоза проекта Arctic Container Ship ACS 650 для различных этапов швартовки / Ю. И. Юдин, С. В. Пашенцев, Б. В. Дабижа, С. О. Петров // Эксплуатация морского транспорта. - 2019. - № 3 (92). - С. 89-107. DOI: 10.34046/aumsuomt92/15.

4. Дерябин В. В. Использование нейронных сетей для стабилизации судна на траектории / В. В. Дерябин // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. - 2018. - Т. 10. - № 4. - С. 665-678. DOI: 10.21821/2309-5180-2018-10-4-665-678.

5. Haykin S. Neural Networks and Learning Machines / S. Haykin. - Third Edition. - New Jersey: Pearson, 2009. - 936 p.

6. Liu Z. Neural network as a function approximator and its application in solving differential equations / Liu, Y. Yang, Q. Cai // Applied Mathematics and Mechanics. - 2019. - Vol. 40. - Is. 2. - Pp. 237-248. DOI: 10.1007/s10483-019-2429-8.

7. Дерябин В. В. Обзор исследований, посвященных использованию нейросетевых технологий в судовождении / В. В. Дерябин // Вестник государственного университета морского и речного флота имени адмирала С. О. Макарова. - 2015. - № 6 (34). - С. 29-43. DOI: 10.21821/2309-5180-2015-7-6-29-43.

8. Подпорин С. А. Использование нейро-нечетких контроллеров в системах управления движением морских судов / С. А. Подпорин // Збірник наукових праць Харківського університету Повітряних Сил. - 2012. - № 4 (33). - С. 181-187.

9. Kula K. S. Model-based controller for ship track-keeping using neural network / K. S. Kula // 2015 IEEE 2nd International Conference on Cybernetics (CYBCONF). - IEEE, 2015. - Pp. 178-183. DOI: 10.1109/CYB-Conf.2015.7175928.

10. Hornik K. Some new results on neural network approximation / K. Hornik // Neural Networks. - 1993. - Vol. 6. - Is. 8. - Pp. 1069-1072. DOI: 10.1016/S0893-6080(09)80018-X.