[發明專利]基于深度置信網絡的船舶自動舵

有效

• 申請號: 201711222632.2
• 申請日: 2017-11-29
• 公開（公告）號: CN107918393B
• 公開（公告）日: 2019-10-18
• 發明（設計）人: 李少偉
• 申請（專利權）人: 江漢大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 北京華沛德權律師事務所 11302
• 代理人: 房德權

本發明涉及基于深度置信網絡(DBN)的船舶自動舵，包括：微處理器模塊、存儲器模塊、通信模塊及人機接口模塊；微處理器模塊的輸入輸出端與存儲器模塊的輸出輸入端相連；微處理器模塊與通信模塊的輸出輸入端相連；微處理器模塊與人機接口模塊的輸出端相連，微處理器模塊接收人機接口模塊的船員考試數據信息，并根據船員考試數據信息建立深度置信網絡模型，再將深度置信網絡模型轉換成普通神經網絡模型，通信模塊接收船舶航行環境信息，并將船舶航行環境信息發送到微處理器模塊，微處理器模塊通過普通神經網絡模型對船舶航行環境信息進行計算獲得舵角數據。該船舶自動舵能在不同環境下對船舶進行自動駕駛，減輕船員工作量，促進航運業發展。

技術領域

本發明涉及船舶自動控制技術領域，特別涉及基于深度置信網絡的船舶自動舵。

背景技術

船舶借助螺旋槳的推力和舵的舵力來改變和保持航速或航向，實現從出發港到目的港的航行計劃。隨著科技的發展，未來船舶必會朝著結構復雜化，操作自動化的方向發展。而船舶操舵系統是非常重要的控制系統，是用來控制船舶航向的設備，它能克服使船舶偏離預定航向的各種影響，使船舶自動地穩定在預定的航向上運行，因此舵的自動化是實現船舶自動化的關鍵，其性能直接影響著船舶航行的操縱性、經濟性和安全性，因此自動舵技術一直是被當作具有較高經濟價值和社會效益的科學技術，自1922年自動舵問世以來，一代又一代的工程技術人員對如何改善該系統的性能不斷進行探索和研究。

實踐表明，將優良的控制算法應用于船舶自動舵上，可以大幅提高船舶的操縱性能和船舶的反應能力，同時能夠有效節省船舶航行所消耗的能源，降低污染物的排放，降低船員工作量，促進航運業的發展。

現有技術中自動舵精度低、適應能力較弱。

發明內容

本發明提供了一種基于深度置信網絡的船舶自動舵，解決了或部分解決了現有技術中自動舵精度低、適應能力較弱的技術問題。

本發明提供的基于深度置信網絡的船舶自動舵，包括：微處理器模塊、存儲器模塊、通信模塊及人機接口模塊；

所述微處理器模塊的輸入輸出端與所述存儲器模塊的輸出輸入端相連；所述微處理器模塊與所述通信模塊的輸出輸入端相連；所述微處理器模塊與所述人機接口模塊的輸出端相連；

所述微處理器模塊接收所述人機接口模塊的船員考試數據信息，并根據所述船員考試數據信息建立深度置信網絡模型，再將所述深度置信網絡模型轉換成普通神經網絡模型；

所述存儲器模塊存儲所述普通神經網絡模型；

所述通信模塊接收船舶航行環境信息，并將所述船舶航行環境信息發送到所述微處理器模塊，所述微處理器模塊通過所述普通神經網絡模型對所述船舶航行環境信息進行計算獲得舵角數據。

作為優選，所述深度置信網絡模型包括：一層輸入層、四層隱藏層以及一層輸出層；

輸入層的節點數量為70個，第一隱藏層節點的數量為輸入層數量的1/3～2/3，第二隱藏層節點的數量為第一隱藏層數量的1/3～2/3，第三、四層隱藏層節點的數量等于第二、一隱藏層節點的數量，輸出節點數量為7。

作為優選，所述船員考試數據信息為高級船員/引航員考試培訓系統的信息；

所述船員考試數據信息包括：船舶航行的外部環境、船速和舵角，所述船舶航行的外部環境至少包括：浪、流及天氣。

作為優選，根據所述船員考試數據信息建立深度置信網絡模型，再將所述深度置信網絡模型轉換成普通神經網絡模型，包括：

采用對比散度算法對組成所述深度置信網絡模型的受限波爾茲曼機進行逐層訓練，得到所述深度置信網絡模型的初始數據；

將所述深度置信網絡模型轉換為所述普通神經網絡模型；