| Русский Русский | English English |
   
Главная Архив номеров
31 | 10 | 2020
10.14489/vkit.2015.010.pp.023-028

DOI: 10.14489/vkit.2015.010.pp.023-028

Гриняк В. М., Девятисильный А. С.
НЕЙРОНЕЧЕТКАЯ СИСТЕМА ЭКСПЕРТНОЙ ОЦЕНКИ РИСКА ОПАСНОГО СБЛИЖЕНИЯ МОРСКИХ СУДОВ
(с. 23-28)

Аннотация. Рассмотрена модель информационной системы оценки навигационной безопасности коллективного движения морских судов. Предложена математическая модель задачи относительного движения судов и конфигурация иерархической нейронечеткой сети, позволяющей генерировать предупреждающие сигналы. Приведены результаты вычислительного эксперимента для типич-ных ситуаций и результаты натурных испытаний системы в акватории порта Владивосток.

Ключевые слова:  управление движением судов; опасное сближение; траектория движения; маневрирование судна; нейронечеткая сеть.

 

Grinyak V. M., Devyatisilny A. S.
NEURO-FUZZY LOGIC EXPERT SYSTEM ОF SHIP COLLISION RISK ASSESSMENT
(pp. 23-28)

Abstract. The problem of marine vessel traffic control is discussed in this paper. Information system model for marine safety estimation (ship collision avoidance) has watched. System defines some alarm levels: “green”, “yellow” and “red ”. An alarm criterion is based on maneuver detector. If the ship is maneuvering its alarm level decreases (“yellow”). Mathematical model of position and velocity estimation and two neural fuzzy network (ANFIS) configuration for alarm generating are offered. The first neural fuzzy network is maneuver detector. It processes data of α-β filters with different numbers of measurements. Network outputs the ship maneuver level. The next (second) neural fuzzy network is alarm generator. It inputs maneuver level, time of closes point of approach (TCPA), and ships relative movement parameters. Maneuver level is described by two terms – “maneuverable” and “constant”. TCPA is described by three terms – “little”, “average” and “large”. It is two parameters for relative motions of sips describe – angle between line of sight (LOS) and relative velocity vector and angle between LOS and sips domain borders direction. Its fraction is described by two terms – “big” and “little”. There are 12 roles in the second neural fuzzy network, its output is alarm level. Networks are learned by expert, no training sample for learning. Some results of experiments are shown, such as numerical experiments for typical ships traces and field experiments for Vladivostok port water area vessel traffic. There are near 20 % “yellow” alarms and 80 % “red ” alarms. Its alarms are generated in all water area.

Keywords: Vessel traffic control; Collision avoidance; Trace; Ship maneuver; Neural fuzzy logic system.

Рус

В. М. Гриняк (Владивостокский государственный университет экономики и сервиса, Дальневосточный федеральный университет, Владивосток) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
А. С. Девятисильный (Институт автоматики и процессов управления Дальневосточного отделения РАН, Владивосток)

 

Eng

V. M. Grinyak (Vladivostok State University of Economics and Service, Far Eastern Federal University, Vladivostok) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
A. S. Devyatisilny (Institute of Automation and Control Processes, Far Eastern Branch of RAS, Vladivostok)

 

Рус

1. Гриняк В. М., Головченко Б. С., Малько В. Н. Распознавание опасных ситуаций системами управления движением судов // Транспорт: наука, техника, управление. 2011. № 8. С. 42 – 45.
2. Гриняк В. М., Девятисильный А. С. Нечеткая система распознавания опасного сближения судов на морских акваториях // Вестник компьютерных и информационных технологий. 2014. № 11. С. 36 – 42.
3. Tam Ch. K., Bucknall R., Greig A. Review of Collision Avoidance and Path Planning Methods for Ships in Close Range Encounters // Journal of Navigation. 2009. V. 62, № 3. P. 455 – 476.
4. Бурмака А. И. Стратегия расхождения судов в ситуации чрезмерного сближения // Вестник гос. ун-та морского и речного флота имени адмирала С. О. Мака-рова. 2014. № 1(23). С. 20 – 22.
5. Дорожко В. М., Лебедева А. Н. Экспертные представления об основных ситуационных моделях кол-лективного движения судов // Проблемы управления. 2006. № 4. С. 43 – 49.
6. Фарина А., Студер Ф. Цифровая обработка ра-диолокационной информации. Сопровождение целей; пер. с англ. М.: Радио и связь, 1993. 320 с.
7. Девятисильный А. С., Гриняк В. М. Нечеткое определение характера движения при многомодельном сопровождении траектории судна обзорной РЛС // Нейрокомпьютеры: разработка, применение. 2013. № 6. С. 13 – 20.
8. Штовба С. Д. Проектирование нечетких систем средствами MatLab. М.: Горячая линия–Телеком, 2007. 288 с.
9. Бобырь М. В. Влияние количества правил на обучение нечетко-логической системы // Вестник компьютерных и информационных технологий. 2014. № 11. С. 28 – 35.
10. Головченко Б. С., Гриняк В. М. Информацион-ная система сбора данных трафика морской акватории // Научно-техническая информация. Сер. 2: Информацион-ные процессы и системы. 2014. № 8. С. 24 – 28.

Eng

1. Griniak V. M., Golovchenko B. S., Mal'ko V. N. (2011). Recognition of dangerous situations using systems vessel traffic management. Transport: nauka, tekhnika, upravlenie, (8), pp. 42-45.
2. Griniak V. M., Deviatisil'nyi A. S. (2014). Fuzzy logic decision-making system for ships collision avoidance. Vestnik komp'iuternykh i informatsionnykh tekhnologii. (11), pp. 36 – 42. doi: 10.14489/vkit.2014.11.pp. 036-042.
3. Tam Ch. K., Bucknall R., Greig A. (2009). Review of collision avoidance and path planning methods for ships in close range encounters. Journal of Navigation. 62(3), pp. 455-476. doi: 10.1017/S0373463308005134.
4. Burmaka A. I. (2014). The strategy of separating the ways of the ships in a situation of excessive approaching. Vestnik gosudarstvennogo universiteta morskogo i rechnogo flota imeni admirala S. O. Makarova. 23(1), pp. 20-22.
5. Dorozhko V. M., Lebedeva A. N. (2006). Expert views on key situational models of collective motion of ships. Problemy upravleniia. (4), pp. 43-49.
6. Farina A., Studer F. (1993). Digital processing of radar data. Targets tracking. Moscow: Radio i sviaz'.
7. Deviatisil'nyi A. S., Griniak V. M. (2013). Fuzzy defi-nition of the nature of motion for the multi-model target tracking of the ship with surveillance radars. Neirokomp'iutery: razrabotka, primenenie. (6), pp. 13-20.
8. Shtovba S. D. (2007). The design of fuzzy systems by means of MatLab. Moscow: Goriachaia liniia–Telekom.
9. Bobyr' M. V. (2014). Effect of number rule on training of fuzzy-logic systems. Vestnik komp'iuternykh i informatsionnykh tekhnologii. (11), pp. 28-35. doi: 10.14489/vkit.2014.11. pp. 028-035.
10. Golovchenko B. S., Griniak V. M. (2014). Infor-mation system for collecting traffic data of marine waters. Nauchno-tekhnicheskaia informatsiia. Seriia 2: Informatsionnye protsessy i sistemy. (8), pp. 24-28.

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 350 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа статьи заполните форму:

{jform=1,doi=10.14489/vkit.2015.010.pp.023-028}

.

Eng

This article  is available in electronic format (PDF).

The cost of a single article is 350 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please fill out the form below:

{jform=2,doi=10.14489/vkit.2015.010.pp.023-028}

 

 

 

 

 

.

.

 

 

 
Поиск
Баннер
Журнал КОНТРОЛЬ. ДИАГНОСТИКА
Баннер
Баннер
Баннер
Rambler's Top100 Яндекс цитирования