WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


 

Обложка автореферата, общая характеристика работы,
основное содержание работы, заключение,
основные публикации по теме диссертации

На правах рукописи

Жук Юрий Сергеевич

ДИНАМИЧЕСКАЯ МОДЕЛЬ КОНТРОЛЯ ХОДКОСТИ

СУДНА В ЛЕДОВЫХ УСЛОВИЯХ НА ОСНОВЕ

КОНЦЕПЦИИ МЯГКИХ ВЫЧИСЛЕНИЙ

Специальности:

05.08.01 – Теория корабля и строительная механика

05.13.18 – Математическое моделирование,

численные методы и комплексы программ

(технические науки)



А в т о р е ф е р а т
диссертации на соискание ученой степени
кандидата технических наук

Санкт-Петербург

2012

Работа выполнена в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Санкт-Петербургский государственный морской технический университет».

Научный руководитель – Заслуженный деятель науки РФ, доктор технических наук, профессор Нечаев Юрий Иванович

Официальные оппоненты:

доктор технических наук, ведущий научный сотрудник ЗАО
«Центральный научно-исследовательский и проектно-конструкторский институт морского флота» – Андрюшин Александр Вячеславович;

кандидат технических наук, старший научный сотрудник Научно-исследовательского института наукоемких компьютерных технологий СПбГУ ИТМО – Иванов Сергей Владимирович.

Ведущая организация:

ОАО «Северное проектно-конструкторское бюро»,
г. Санкт-Петербург

Защита состоится 17 апреля 2012 г. в 14-00 в ауд. А-313 на
заседании диссертационного совета Д.212.228.01 при Санкт-Петербургском государственном морском техническом университете (СПбГМТУ) по адресу: 190008, г.Санкт-Петербург, Лоцманская ул., д.3.

С диссертацией можно ознакомиться в научно-технической библиотеке Санкт-Петербургского государственного морского технического университета.

Отзыв на автореферат в двух экземплярах, с подписями, заверенными гербовой печатью, просим направлять в адрес диссертационного совета.

Автореферат разослан «____» ______________ 2012 г.

Ученый секретарь

доктор технических наук,

профессор        Гайкович А.И.

ОБЩАЯ ХАРАКТЕРИСТИКА

Разработка методов и моделей, обеспечивающих контроль ходкости судна в условиях Северного шельфа, представляет собой сложную научно-техническую проблему. Комплексные исследования этой проблемы позволили сформулировать и обосновать методологию регламентации ледовой прочности корпусов судов, которая сыграла значительную роль в создании российского арктического флота. Методы определения ледовых нагрузок развиты в работах К.Р.Абрамова, А.В.Андрюшина, А.Я.Бузуева, В.А.Зуева, Ю.М.Попова, О.Я.Тимофеева, В.Н.Тряскина и др. В области прочности судов ледового плавания следует выделить работы Е.М.Апполонова, Г.В.Бойцова, В.А.Лихоманова, А.П.Матлаха, Л.М.Ногида, В.И.Полякова, Ю.Н.Попова, А.А.Родионова, О.В.Фадеева, Д.Е.Хейсина и А.А.Яковлева, а в области нормирования и расчета прочности корпусов судов ледового плавания – работы Л.М.Беленького, А.М.Бененсона, Г.В.Бойцова, В.А.Курдюмова, О.М.Палия, Ю.Г.Рыбалкина, О.Я.Тимофеева, Б.Е.Топчия, В.Н.Тряскина и др. В особую группу следует выделить работы Б.П.Ионова и Е.М.Грамузова, В.И.Каштеляна, И.И.Позняка, А.Я.Рывлина, Ю.А.Сандакова, О.Б.Солдаткина по ходкости судов в ледовых условиях, а также А.Я.Рывлина и Д.Е.Хейсина по испытанию судов во льдах, по анализу различных аспектов ледовой ходкости и прочности «Ледотехнические аспекты освоения морских месторождений нефти и газа».

В отличие от выполненных исследований, представленная диссертация посвящена оперативному контролю ходкости судна на основе приложения методов и моделей, сформулированных в работах указанных исследователей, в направлении изучения динамики взаимодействия судна с ледовыми образованиями в рамках многорежимной системы. Повышение надежности и качества принимаемых решений по обеспечению безопасности эксплуатации судна в ледовых условиях достигается на основе использования нового подхода к интерпретации динамики взаимодействия судна с ледовым полем. Суть предложения состоит в привлечении дополнительных данных измерений за счет установки датчика расстояния на верхней палубе судна, сканирующего набегающее волновое поле по направлению движения судна, а также высокопроизводительных средств обработки измерительной информации в рамках концепции мягких вычислений.

Реализация требований к алгоритмам обработки информации в бортовой интеллектуальной системе (ИС), требует выполнения следующих условий:

  • обеспечить сохранение целостности измерительной информации при решении задач анализа и интерпретации данных измерений;
  • выделить структуры данных, обеспечивающие надежный контроль и прогноз ходкости судна в режиме реального времени;
  • выявить закономерности между особенностями исследуемых процессов и поведением судна при различной интенсивности ледовых нагрузок.

Анализ и интерпретация измерительной информации представляют собой одно из важных направлений формирования среды для реализации механизма логического вывода при контроле ходкости судна в ледовых условиях. Функционирование ИС осуществляется на основе динамической базы знаний, обеспечивающей анализ и прогноз развития ситуаций, возникающих в процессе эксплуатации. Методы и модели, положенные в основу обработки информации, позволяют исследовать динамические процессы в условиях неопределенности и неполноты исходной информации. В этих условиях при построении математической модели реального процесса приходится прибегать к определенным упрощениям. Таким образом, векторное поле, входящее в динамические уравнения, всегда будет известно с определенной степенью точности, т.е. в пределах малой окрестности функционального пространства.

В диссертации рассматривается подход и вычислительная технология, обеспечивающие анализ и прогноз динамики взаимодействия судна с внешней средой при функционировании бортовой ИС. Основное внимание уделяется вопросам контроля ходкости судна в ледовых условиях на базе математического аппарата, разработанного на основе принципов обработки информации в мультипроцессорной вычислительной среде. Динамическая модель преобразования информации основана на конкурирующих вычислительных технологиях, использующих методы теории и строительной механики корабля и теории управления, нечеткой логики и искусственных нейронных сетей (ИНС).

Целью работы является разработка и исследование модели контроля ходкости судна на основе обработки данных динамических измерений в условиях неопределенности и неполноты исходной информации. Для достижения этих целей в диссертации решались следующие основные задачи:

  • разработка и обоснование структуры измерительного комплекса и синтез системы обработки информации в динамической среде;
  • разработка алгоритмов и программного комплекса функционирования динамической модели обработки измерительной информации;
  • моделирование взаимодействия судна с ледовыми образованиями как многорежимной динамической системы;
  • генерация сценариев взаимодействия, анализ альтернатив и выбор предпочтительной вычислительной технологии обработки информации при контроле ходкости судна в ледовых условиях.

Методы исследования. Для решения поставленных задач в работе были использованы методы теории корабля и строительной механики, теории управления, системный анализ, методы математического моделирования, методы вычислительной математики, теория вероятностей и математической статистики, теория графов, теория матриц, а также методы искусственного интеллекта и прикладного программирования.

Объект исследования. Объектом исследования является танкер активного ледового плавания, характеристики которого приведены в диссертации.

Научную новизну работы составляет:

  • Динамическая модель анализа и интерпретации измерительной информации о ходкости судна на основе концепции мягких вычислений.
  • Методы и алгоритмы обработки измерительной информации о ходкости судна в рамках принципа конкуренции
  • Результаты моделирования ходкости судна в ледовых условиях как многорежимной динамической системы.

Достоверность научных результатов и выводов подтверждаются строгостью доказательства утверждений, обоснованностью применения математического аппарата теории корабля и строительной механики, теории управления, корректностью интерпретации предметной области исследования сигналов, поступающих с датчиков измерительной системы, результатами нейросетевого моделирования и экспериментальной проверки разработанных методов на основе данных измерений и фактической информации об операторах преобразования к характера исходных данных, результатами тестирования алгоритмов и программного обеспечения.

Основные научные результаты:

  • разработана функциональная схема динамической модели анализа и интерпретации информации в нечетких условиях, сформулированы основные задачи контроля ходкости и определены методы анализа и интерпретации информации в рамках конкурирующих вычислительных технологий;
  • разработана структура динамической модели анализа и прогноза ходкости судна в ледовых условиях, разработаны и исследованы математические модели ходкости судна в ледовых условиях как многорежимной динамической системы;
  • предложен алгоритм анализа альтернатив и выбора предпочтительной вычислительной технологии в рамках концепции мягких вычислений, сформулированы критерии оценки эффективности принимаемых решений по обеспечению безопасности судна в ледовых условиях.

Практическая ценность работы заключается в следующем:

  • Разработана динамическая модель и алгоритмы анализа измерительной информации при контроле ходкости судна в ледовых условиях как многорежимной динамической системы.
  • Разработан программный комплекс, обеспечивающий решение задач анализа и интерпретации информации при контроле ходкости в сложной динамической среде, определяющей функционирование танкера активного ледового плавания.

Практическая значимость диссертационного исследования обеспечена прикладной направленностью и созданием конкретных методов, алгоритмов и программного обеспечения в системах интеллектуальной поддержки оператора бортовой ИС при контроле ходкости судна в ледовых условиях.

Внедрение результатов работы. Разработанные методы, алгоритмы и программные средства внедрены в ОАО «Адмиралтейские верфи» и используются в учебном процессе СПбГМТУ при проведении лабораторных и курсовых работ по курсу «Инженерия знаний» в рамках магистерской подготовки студентов специальности 220400 «Программное обеспечение вычислительной техники и автоматизированных систем».

Апробация работы. Основные результаты работы докладывались и обсуждались на национальных и международных научно-технических конференциях: Национальная конференция «Управление и информационные технологии» УИТ-2008, Санкт-Петербург, 2008; Международная конференция МОРИНТЕХ’2008, Санкт-Петербург, 2008; Международные конференции по мягким вычислениям и измерениям SCM-2008, SCM-2009, Санкт-Петербург, 2008, 2009; Международной конференции по искусственному интеллекту ИИ-2008. Крым. Кацивели, 2008. Научно-мето­ди­ческая конференция «Телематика-2008».

Основные положения, выносимые на защиту:

  1. Стохастические модели, алгоритмы и программное обеспечение задач интерпретации информации при анализе и прогнозе ходкости судна в ледовых условиях на основе концепции мягких вычислений.
  2. Результаты математического моделирования при исследовании ходкости судна в ледовых условиях как многорежимной динамической системы.
  3. Алгоритмы и программное обеспечение, определяющие генерацию сценариев взаимодействия и анализ альтернатив при оценке эффективности принимаемых решений в рамках нечеткого логического базиса.

Публикации. По теме диссертации подготовлено 12 работ, из них: 5 статей, 6 тезисов докладов, одна монография. Одна работа выполнена без соавторов, доля автора в остальных – от 40% до 60%.

В ведущих рецензируемых научных журналах и изданиях опубликованы две статьи, выполненные в соавторстве, доля автора – 60%.

Объем и структура работы. Работа состоит из введения, четырех глав, заключения и двух приложений. Объем – 151 страница, в том числе 74 рисунка, 9 таблиц. Список литературы включает 219 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации.

Первая глава содержит общий подход и принципы реализации информационных технологий при контроле ходкости судна в ледовых условиях. Приведен аналитический обзор состояния проблемы, на основе которого сформулированы задачи и методы исследований в рамках концепции мягких вычислений. Результаты анализа позволяют обосновать пути повышения надежности контроля безопасности судна в ледовых условиях и разработать модель построения алгоритмов и программного средства в соответствии с современными тенденциями развития интеллектуальных технологий.

Вторая глава посвящена разработке модели базы знаний, обеспечивающей функционирование программного средства ИС контроля ходкости судна в ледовых условиях как многорежимной системы управления, а также теоретических основ построения математических моделей, на базе которых сформулирован подход к оценке риска принимаемых решений в условиях неопределенности и неполноты исходной информации.

Функционирование средств интеллектуальной поддержки при управлении судном в сложной ледовой обстановке осуществляется на основе интерактивного взаимодействия оператора с программной системой. Методологические основы и формальный аппарат используемых методов и моделей базируются на накопленной системе знаний в области создания бортовых ИС контроля динамики судов в сложных ситуациях. Разрабатываемые алгоритмы и программный комплекс определяют интеллектуальную поддержку задач использования техники измерений и технологий обработки данных на основе методов математического моделирования и анализа информации в сложных динамических средах, характеризующихся существенной неопределенностью нерегулярностью исследуемых структур ледовых образований. Развиваемые методы позволяют синтезировать некоторые аспекты стратегии управления в области прогнозирования сложных процессов взаимодействия судна с внешней средой. Принципы организации системы контроля скорости и модель построения алгоритмов и программного средства представлены на рис.1.

Задачи обработки информации на рисунке 1 сформулированы в соответствии с современными требованиями, предъявляемыми к разработке интеллектуальных технологий систем реального времени и предусматривает создание процедур поддержки принятия решений на основе адаптивных алгоритмов, методов и моделей, реализуемых в рамках принципа конкуренции.

Объектом прикладной теории интеллектуальной поддержки в сложных ситуациях является непосредственно процесс моделирования в системе «Оператор – ИС». Этот процесс представлен как результат последовательного перехода от моделируемого объекта сначала к статической модели, используемой в задачах прогноза, а затем к динамической модели – непосредственно при оперативном управлении в рамках принципа конкуренции на базе методов классической теории управления, нечетких и нейросетевых алгоритмов. Анализ альтернатив и принятие решений осуществляются на основе критериальной системы, включающей национальные и международные требования к безопасности судна.

Рис. 1. Принципы организации бортовой ИС нового поколения

Переход от статической к динамической модели осуществляется через описание (модель системы), фиксирующее сведения о судне как моделируемом динамическом объекте, исследуемом процессе в понятиях языка в терминах типовых конкурирующих математических моделей. При выборе схемы имитационного моделирования вводится понятие среды, позволяющее использовать информацию о целях моделирования, законах функционирования, имеющемся математическом аппарате для исследования методов и алгоритмов управления ИC.

Поведение судна как многорежимной динамической системы со сложной структурой описывается дифференциальным уравнением:

               (1)

где х – вектор состояния; f [k](·) – функция, обеспечивающая функционирование многорежимной системы; u – управляющее воздействие (изменение скорости и курса судна); q – вектор параметров, характеризующий конкретную модель обработки информации; k – номер текущей структуры; t – врeмя; t0 и Т – начальный и конечный моменты времени; x0 – начальное условие.

Задача состоит в том, чтобы наилучшим образом свести движение системы к некоторому заранее предписанному движению с учетом неопределенности в параметрах. Реализация системы связана с решением задач преобразования информации при различных режимах движения, определяемых внешними условиями и особенностями взаимодействия судна с ледовым полем различной интенсивности. Прогноз динамики взаимодействия судна с внешней средой в ледовых условиях строится на базе концепции мягких вычислений с использованием стандартных, нечетких и нейросетевых моделей. При их построении реализованы процедуры синтеза и анализа временных рядов на основе математических моделей и данных динамических измерений.

Стандартная модель. Основной при анализе движения судна в рамках классической теории управления является предложенная в работе Ионова Б.П. и Грамузова Е.М. «Ледовая ходкость судов» – Санкт-Петербург, Судостроение, 2001, система дифференциальных уравнений для проекций векторов линейной и угловой скоростей на оси связанной системы координат:

       ,        (2)

       ,        (3)

               (4)

Модифицкация исходной математической модели в задаче ходкости произведена на основе результатов исследований [1 – 12] стохастического дифференциального уравнения, выполненных в отделе «Морские интеллектуальные системы» НПО «Полярная звезда»:

               (5)

где координату считаем стационарным случайным процессом с экспоненциально-косинусной корреляционной функцией, т.е. реакцией двумерной системы на векторный белый шум :

               

               (6)

а координату тяги – выходом апериодического звена

               (7)

где учитывается только основная инерционность энергетической установки, а сигналом управления считается вход .

Математическая модель контроля скорости судна на основе прогноза особенностей ледового образования. Анализ движения судна в ледовых условиях проведен с использованием моделей взаимодействия в виде системы уравнений для проекций векторов линейной и угловой скоростей на оси связанной системы координат. Наибольший интерес представляет случай неустановившегося движения судна вдоль оси Ox, при котором:

               (8)

где Р – тяга гребных винтов, Х – сопротивление воды движению на прямом курсе, Xt – сопротивление движению со стороны ледового поля.

В основу системы стабилизации скорости положено измерение продольного ускорения ах. Для этого используется соотношение

       ,        (9)

где , а второе слагаемое представляет собой линеаризацию сопротивления относительно номинальной скорости , т.е.

       .        (10)

Дифференцируя (8) и подставляя

       ,        (11)

получим следующую систему в качестве объекта управления ():

       ,        (12)

       .        (13)

Cистемa (12), (13) представлялась в векторно-матричной форме. При этом в векторе состояния выделялись медленные и быстрые компоненты:

       ,        (14)

       ,        (14)

       ,        (14)

где – малый параметр. Требования к управлению в системе (13), (14) сформированы в виде квадратического критерия. Выражение для безопасной скорости судна Vb представим как функцию текущей толщины льда Н:

       .        (15)

Функция является полиномом (не выше 3 степени), т.е. функцией гладкой. В окрестности номинального среднего значения толщины HS эта функция представлена в виде разложения

       ,        (16)

где – величины более высокого порядка, чем малое отклонение h от средней номинальной толщины льда.

Текущую безопасную скорость судна представим в следующем виде:

       ,,.        (17)

Так, для номинальной скорости судна Vb в свободной воде и квадратической функции

       ,        (18)

имеем

       , .        (19)

Рассматриваемая задача оценки безопасной скорости Vb в соответствии с (16) состоит в оценке отклонения h в функции приращения дальности x. В соответствии с представлением H=HS+h для толщины льда, расположенного непосредственно по курсу судна, выделим в горизонтальной координате L этого льда составляющую текущего положения судна LS и относительную дальность до зондируемой точки ледового покрова x:

       .        (20)

Координата LS здесь фиксирована, а x отсчитывается от нее вдоль курса судна и . Задача состоит в оценке x и построении линейной регрессии

       ,        (21)

где l1 – интенсивность изменения толщины льда вдоль курса судна. По показаниям датчика, установленного в носовой части судна на заданной высоте над ватерлинией и сканирующего набегающее при движении судна ледовое поле, следует оценить именно коэффициент l1. В общем случае это позволяет осуществить кусочно-линейную аппроксимацию набегающего ледового покрова.

Поскольку основное возмущение в рассматриваемой системе возникает от взаимодействия судна с ледовым покровом, сосредоточим внимание именно на этом и не будем учитывать динамику ЭУ и сопротивление воды. Прежде всего, необходимо записать уравнения процесса управления с учетом упреждения. В связи с тем, что целью управления является стабилизация скорости V в окрестности заданной Vb, введем в качестве выхода переменную отклонения .

Дифференцируя это равенство с учетом уравнения движения, которое в данном случае имеет вид , будем иметь

       , ,        (22)

откуда

       ,        (23)

где для x имеем

       .        (24)

Обозначая , , и вводя координату , в итоге получим следующую систему уравнений

       ,        

       ,        (25)

с начальными условиями

       , , .        

Вводя вектор состояния

       ,        (26)

систему (26) можно представить в стандартном виде

       ,        (27)

где управлением u=P является сила тяги энергетической установки, а выход определим соотношением

       .        

На паре «вход-выход» (u, y) определим интегрально-квадратичный критерий, характеризующий точность стабилизации заданной скорости:

       .        (28)

Нечеткая модель взаимодействия судна в ледовым полем представлялась в виде совокупности продукционных правил «if – then», описывающих взаимосвязи входных и выходных переменных:

Rl[k]: if (х1=A1l[k], х2=A2l[k], …, хn=Anl[k])

       then (у1=B1l[k], у2=B2l[k],…, уm=Bml[k]), l=1,…,N;        (29)

Ail[k]⊆Хi⊂R, i=1,…,n; Ail[k]∈{Ai p}, p=1,…,Р;

Bjl[k]⊆Yj⊂R, j=1,…,m; Bjl[k]∈{Bj p}, q=1,…,Q,

где k∈{1,…,K}– номер структуры модели; n, m – количество входных и выходных лингвистических переменных хl, уl, i=1,…,n, j=1,…,m; N – общее число правил в составе нечеткой модели; Ail[k], Bjl[k] – нечеткие множества (конкретные лингвистические значения входных и выходных переменных в составе l–го правила); Xi, Yj,(i=1,…,n; j=1,…,m) – пространства входных и выходных переменных. Таким образом, нечеткая модель содержит совокупность терм-множеств лингвистических переменных входа и выхода системы с соответствующими функциями принадлежности (ФП).

Формализация знаний при реализации нечеткой модели достигается с использованием нечеткого отношения R:А→В, заданного между областью Х и областью Y в виде нечеткого подмножества прямого произведения Х×Y, определяемого по формуле

               (30)

где Х={x1,…,xn} – область посылок; Y={y1,…,ym} – область заключений; μR(xi,yj) - ФП (xi,yj) нечеткому отношению R; μR(xi,yj)∈[0,1]; знак ∑ означает совокупность (объединение) множеств.

Для продукционных правил с нечеткими множествами А(A⊂X) и В(B⊂Y) построение нечеткого соответствия состоит в следующем:

               (31)

       ,        (32)

где μA(x) и μB(y) – ФП элементов х, у нечетким множествам А и В.

Таким образом, разработанная модель нечетких знаний представляет множество программных объектов, имитирующих динамику сложной системы с помощью управляющей компоненты, координирующей последовательность обработки модельных и временных событий.

Нейросетевая модель. Общий подход к построению нейросетевой модели определен как задача преобразования непрерывной зависимости с заданными свойствами по дискретному набору данных. Формально такая задача сводится к поиску отображения F:Xn→Ym, определяемого для каждого дискретного набора данных, как вектора в координатном пространстве размерностью n, равной числу узлов-точек входного набора данных x∈Xn⊂Rn, и точку-вектор в m-мерном пространстве параметров модели y∈Ym⊂Rm. Это отображение удовлетворяет обобщенному критерию качества аппроксимации E:Ym→R, который включает в себя требуемую точность аппроксимации ε>0 (минимизацию ошибки) и дополнительные требования к внешнему виду или поведению модели за пределами области данных. В качестве числовой меры точности нейросетевой модели использована нормированная среднеквадратическая ошибка

               (33)

где (y*max – y*min) – размах наблюдения величины у*.

Система нейроуправления осуществляет выбор оптимальной скорости судна в зависимости от интенсивности ледовой нагрузки. Процесс управления организуется в рамках концепции мягких вычислений. Управляющий алгоритм представляется набором логических правил «if – then». Каждое правило содержит в левой части переменные состояния, а в правой части переменную, характеризующую управление (действие). Алгоритм преобразования информации позволяет установить фактические характеристики ледового поля (переменные Х1 и Х2 и изменение этих величин dХ1/dt и dX2/dt во времени) и в зависимости от них осуществить управление U. В качестве переменных состояния Х1 и Х2 используются данные о толщине ледового поля h1 и снежного покрова h2 и скорости их изменения dh1/dt и dh2/dt. Управление U реализуется в виде изменения скорости V движения судна. Алгоритм представляется в виде матрицы управления размерности 5×5. Элементами матрицы являются значения нечетких переменных задачи, которые соответствует одному из возможных состояний управляющего воздействия Y. Они сгенерированы при помощи ИНС. Обучение сети на стадии разработки алгоритма управления производится с помощью генетического алгоритма (ГА) на значениях ФП для Х1, Х2, dX1, dX2 которые подаются на вход системы, и значениях Y на выходе. В результате формируется сложная многомерная поверхность ошибки управления как функция параметров закона управления. ГА находит глобальный минимум этой поверхности.

Задача нейропрогноза поведения судна в ледовых условиях формализована как задача распознавания образов. Данные о прогнозируемой переменной за некоторый интервал времени образуют образ, класс которого определяется значением прогнозируемой переменной в некоторый момент времени за пределами данного интервала (через интервал прогнозирования). При этом используется «метод окон» Wi и W0, которые перемещаются с некоторым шагом во временной последовательности данных, начиная с первого элемента. Первое окно, получив такие данные, передает их на вход ИНС, а второе – на выход. Получающаяся на каждом шаге пара Wi→W0 используется как элемент обучающей выборки (распознаваемый образ). Каждый следующий вектор получается в результате сдвига окон и вправо на один элемент. Предполагается наличие скрытых зависимостей во временной последовательности как множестве наблюдений. Обучаясь на этих наблюдениях и настраивая свои коэффициенты, ИНС извлекает эти «скрытые» закономерности и сформирует функцию прогноза.

В связи со сложностью задачи многорежимного управления при прогнозе прочности судна в ледовых условиях рассматривают одношаговый и многошаговый нейропрогноз. Построение прогнозирующей модели связано с определением количества используемых элементов временного ряда y и ошибок прогнозирования e. После выполнения этих операций схема построения ИНС включает решение задач структурного и параметрического синтеза.

Система обеспечения безопасности судна при движении в ледовых условиях разработана на основе принципов обработки информации в мультипроцессорной вычислительной среде. Реализация этих принципов осуществлена в рамках концепции мягких вычислений. Интегрированная модель программной системы интерпретации информации при прогнозе скорости судна в ледовых условиях представлена в виде алгоритма построения граф-структуры сценариев взаимодействия в системе «Оператор – ИС»:

  • сформулировать сценарий, описываемый конечным графом GC=(SPR,PS), где SPR – стратегии прогнозирования на основе классической и нейросетевой моделей: PS – переходы между ними;
  • представить SPR в виде объединения стратегий SPRtj и моментов управления tj;
  • представить PS в виде структуры PS⊆SPR×SPR, описывающей переходы между стратегиями с помощью отображений множества SPR.

Интерпретацию измерительной информации в соответствии с приведенной граф-структурой осуществляет вычислительный блок, обеспечивающий формирование структуры ледового образования и аттрактора динамической системы. В этиом блоке на базе измерительной информации выполняются операции по выявлению особенностей структуры ледового образования, ее идентификации (сплошное ледовое поле, битый лед, торосы и др.) и особенностей отображаемого временного ряда. На основе полученных данных с помощью моделей прогноза и управления (стандартная, нечетная, нейросетевая) динамическая база знаний вырабатывает практические рекомендации по обеспечению безопасности судна в заданной ледовой обстановке.

Задача принятия решений при контроле ходкости судна в ледовых условиях сформулирована как задача выбора альтернатив. Реализация общего подхода к анализу альтернатив и принятию решений конкретизирована с использованием подхода Беллмана – Заде и алгоритма анализа иерархий Т.Саати, позволяющего осуществлять многокритериальную оптимизацию решения в нечеткой среде.

Особенности оценки риска. Основная цель анализа и оценки риска заключается в предоставлении оператору информации об уровне безопасности ситуации. Для получения картины изменения риска производится анализ решений, связанных с риском, позволяющий построить матрицу риска в виде зависимости частоты возникновения опасностей от уровня последствий. Анализ матрицы риска позволяет выделить уровни риска, а оценка безопасности судна в ледовых условиях связана с использованием процедур управления риском в ситуациях, которые отнесены к недопустимому риску.

Глава 3 посвящена обсуждению результатов математического моделирования ходкости судна в ледовых условиях. Задача моделирования сформулирована в рамках концепции мягких вычислений, реализуемой в условиях неопределенности и неполноты исходной информации. Повышение надежности методов и моделей анализа и прогноза развития сложных ситуаций достигается за счет реализации принципа конкуренции для двух вычислительных технологий: стандартной технологии моделирования, основанной на использовании методов строительной механики корабля, и нейро-нечеткой технологии в рамках концепции мягких вычислений.

Моделирование на основе стандартной модели. Для реализации стандартного алгоритма было проведено предварительное моделирование, результаты которого позволили построить общую математическую модель зависимости падения скорости от толщины льда. Обработка полученных данных позволяет представить эту зависимость в относительном виде:

       V/Vmax=1–k(h/hmax)3,        (34)

где V – текущее значение скорости судна; Vmax – номинальная скорость; h – текущее значение толщины льда; hmax – максимальное значение толщины льда; k – коэффициент, характеризующий снижение скорости за счет сопротивления ледового поля.

Величина коэффициента k для исследуемого судна изменяется в достаточно узких пределах k=0,96–1,15 в зависимости от физико-технических характеристик ледового поля и особенностей динамики взаимодействия. Полученные данные вполне согласуется с данными построения аналогичной зависимости в соответствии с ледовым паспортом исследуемого судна. Результаты моделирования для системы стабилизации скорости показали, что максимальное уклонение скорости от номинального значения не превышает 10%. При этом управление ограничено на всем интервале: |u(t)|≤0,017, а основной период управления не меньше 6–7 с, что представляется вполне приемлемым в плане реализации поведения судна в ледовых условиях. Текущее значение скорости зависит от величины сопротивления движению со стороны ледового поля, которое, в свою очередь, определяется сплоченностью и толщиной льда.

Сплошное ледовое поле характеризуется толщиной, которая по протяженности и во времени (при движении судна) изменяется как стационарный случайный процесс с непрерывными траекториями. Такая модель может быть построена в виде стационарного гауссовского процесса. В условиях Simulink-модели системы Matlab это естественным образом реализуется в виде фильтра, формирующего процесс заданной интенсивности из «белого шума».

Для имитации возмущений от битого льда и торосов моделировались случайные процессы с разрывными траекториями. В основу имитации положено некоторое универсальное средство, позволяющее в интерактивном режиме корректировать тип и параметры распределения по текущим данным. Для моделирования сложных процессов использовался Stateflow – инструмент численного моделирования систем, характеризующихся взаимодействием непрерывной и дискретной компонент. Имитатор воздействий на судно в условиях битого льда и торосов реализован в виде Simulink\Stateflow-модели. Модель такого типа (с именем Bityi_LedP.mdl) использует переменные: моделирование текущего времени, «белого шума» и толщины льда в функции времени.

Моделирование на основе классической теории управления проведено с использованием представления функциональной модели в виде Simulink-диаграммы. Случайная составляющая возмущения со стороны ледового поля реализуется блоком Led_Perturbations, а блок Form_Fltr представляет собой фильтр, формирующий процессы x1, x2 из двумерного «белого шума» с независимыми координатами Блок «Ship_Subsystem» описывает кинематику движения судна в горизонтальной плоскости. В качестве тестового примера принято, что на заданном интервале судно проходит ледовое поле близкое к предельному толщиной 1,39 м (рис.2).

а)        б)

Рис.2. Осциллограммы процесса: а) – без стабилизации; б) – со стабилизацией;
кривая – скорость судна v(t), верхняя ступенчатая кривая – безопасная
скорость vR(t), нижняя ступенчатая кривая – средняя толщина льда h(t).

Моделирование с учетом прогноза. Главный вопрос – это качество стабилизации при прохождении ледового поля, особенно в первые моменты встречи с льдом. Этот интервал находится между 10 и 20 сек., когда скорость существенно превышает безопасную. Повышение качества управления возможно только при наличии средств прогноза ледовой ситуации по курсу движения судна. Решая задачу минимизации для исследуемой системы, выясним, как надо менять тягу энергетической установки, чтобы обеспечить по зондируемой толщине льда заданную скорость u(t)=(k1,k2,k3)ξ(t), безопасную скорость Vb и измерять действительную скорость судна V. Что касается элементов матрицы обратной связи K=(k1 k2 k3), то они вычисляются с помощью процедуры lqry пакета Control System Toolbox. На основе представления Simulink-диаграммы моделирования управляемого процесса стабилизации в условиях случайных возмущений со стороны ледового образования рассчитаны осциллограммы для безопасной и реальной скоростей при q=m/5 и q=m (рис.3).

Анализ результатов моделирования показывает, что в рамках принятых моделей взаимодействия судна с ледовым полем алгоритм управления с квадратичным критерием обеспечивает необходимый уровень стабилизации.

а)        б)

Рис.3. Осциллограммы для безопасной (монотонно меняющаяся кривая) и реальной (пульсирующая кривая) скоростей: а) – q=m/5; б) – q=m.

Реализация нейро-нечеткой модели осуществлялась с помощью окон (рис. 4). В начале работы системы вводятся: начальная толщина льда; начальная скорость судна. В нижней части окна слева отображаются текущие данные, матрица управления и ИНС, а справа – графики изменения толщины льда, приращения толщины льда, а также средних скоростей, вычисленных по нечетким правилам, ИНС и по математической модели. Пунктирная линия в графиках обозначает предельное значение. На матрице управления отображается действующее логическое правило, определяющее скорость и ее изменение.

Приложение разработанных теоретических аспектов стратегии контроля скорости судна в ледовом поле рассмотрено для задачи входа судна в ледовое поле переменной толщины.

Стандартная модель. Параметры ледового поля: высота непрерывно (равномерно) увеличивается от начальной толщины льда – 0,2 м, до предельной конечной – 1,5 м с градиентом (Grd) 3 и 1,5 градуса. Кусочно-непрерывный характер возмущений реализуется Stateflow-блоком Logic и синхронно работающим блоком Logic1 на Simulink-диаграмме модели системы. Осциллограммы прохождения ледового поля приведены на рисунке 5.

а)        б)

Рис.4. Результаты моделирования: а) – сплошное ледовое поле и б) – торосы

а)

б)

Рис. 5. Осциллограммы: а) – процесс входа в ледовое поле с Grd=0,0523:
кривая – скорость судна, м/c, ломаная верхняя – безопасная скорость, м/c,
ломаная нижняя – средняя толщина льда h(t); б) – пройденный путь, м,
в функции времени

Случайный характер ледового поля хорошо виден по изменению ускорения в функции времени (рис. 6).

Рис. 6. Осциллограмма ускорения

Нейро-нечеткая модель. На рисунке 7 представлены результаты нейро-нечеткого моделирования динамики судна при входе в ледовое поле переменной толщины, величина угла наклона ледового поля принята равной 1,5° и 3,0°.

а)        б)

Рис.7. Моделирование (а) и прогноз (б) скорости при входе судна в ледовое поле переменной толщины

Прогнозирование на основе нейросетевых моделей. Моделирование динамики взаимодействия объекта с внешней средой осуществлялось на основе программной системы решения задач интерпретации измерительной информации при контроле и прогнозе ходкости судна в ледовых условиях на основе нейросетевого логического базиса (рис.8).

В основу разработки программной системы положен подход, реализуемый путем предварительного анализа априорной информации о структуре динамической картины взаимодействия, описываемой временным рядом с универсальной структурой, позволяющей моделировать процессы взаимодействия судна с ледовыми образованиями, характеризующимися «быстрой» и «медленной» динамикой. «Быстрая» динамика определяет режимы взаимодействия со стационарным и движущимся ледовым полем, а «медленная» – режимы взаимодействия с торосами и сложными ледовыми образованиями. Временной интервал может изменяться в зависимости от особенностей преодоления ледового поля. На рисунке 8 представлен пример прогноза смешанной динамики. Обучающая выборка насчитывает 230 точек и выделена темным цветом. Результат прогноза насчитывает 45 точек и выделен светлым цветом. Количество входных нейронов равно 80, количество выходных – 15, скрытый слой содержит 150 нейронов. Нижний график иллюстрирует изменение ошибки обучения в зависимости от количества эпох обучения.

Глава завершается оценкой адекватности исследуемых моделей. Оценка ведется путем сопоставления результатов моделирования с данными эталонной модели в виде зависимости относительной скорости движения судна в ледовом поле различной интенсивности. Для рассмотренных стандартных и нейро-нечетких моделей получено удовлетворительное согласование данных.

а)        б)

Рис. 8. Прогноз на 12-ом (а) и на 50-м (б) цикле обучения нейронной сети

Четвертая глава посвящена описанию структуры программного средства, обеспечивающего анализ и прогноз ходкости судна в ледовых условиях. Особое внимание уделяется алгоритмам и программному обеспечению задач контроля ходкости судна как многорежимной системы управления на базе традиционных, нечетких и нейросетевых моделей в рамках принципа конкуренции. Информационная среда моделирования включает функциональные модули, ориентированные на решение задач обработки информации в сложных динамических средах – анализ альтернатив, выявление «скрытых» закономерностей («быстрая» и «медленная» динамика), анализ динамики многорежимной системы, оценка риска принимаемых решений по управлению судном в ледовых условиях. Иерархическая модель, объединяющая функциональные модули прикладных программ, позволяет описывать интегрированную систему на различных уровнях абстракции.

ЗАКЛЮЧЕНИЕ

На основе проведенного исследования можно сделать выводы:

  1. Разработаны стохастические модели, алгоритмы и программное обеспечение задач интерпретации информации при анализе и прогнозе ходкости судна в ледовых условиях. На основе концепции мягких вычислений обоснованы и выделены модели повышения надежности контроля при взаимодействии судна со сложными ледовыми образованиями.
  2. Получены результаты математического моделирования при исследовании ходкости судна в ледовых условиях как многорежимной динамической системы. Экспериментальные данные позволяют установить физические закономерности процессов взаимодействия судна при различной конфигурации ледовых образований. Процедуры оценки эффективности методов моделирования и тестирования системы знаний реализованы с использованием механизмов принятия решений в нечеткой среде.
  3. Разработаны алгоритмы и программное обеспечение, определяющие генерацию сценариев взаимодействия и анализ альтернатив при оценке эффективности принимаемых решений в рамках нечеткого логического базиса.

Основное содержание диссертации опубликовано в следующих работах:

Публикации в ведущих рецензируемых научных журналах и изданиях:

  1. Жук Ю.С., Нечаев Ю.И. Нейропрогноз в сложных динамических средах // Нейрокомпьютеры: разработка, применение. №9. 2009, с.3–11, (автор – 60%);
  2. Жук Ю.С., Нечаев Ю.И. Анализ и прогноз динамики судна в бортовых интеллектуальных системах // Информационно-измеритель­ные и управляющие системы. №2. т.7. 2009, с.12–22, (автор – 60%).

Прочие публикации:

  1. Жук Ю.С., Нечаев Ю.И. Повышение надежности принятия решений при контроле динамики судна в ледовых условиях // Искусственный интеллект. №3. 2008, с.159–169, (автор – 60%);
  2. Жук Ю.С., Нечаев Ю.И. Контроль динамики судна в ледовых условиях на основе концепции мягких вычислений // Материалы IX международной научно-технической конференции «Искусственный интеллект. Интеллектуальные системы». Т.1. Донецк. ИППИ. 2008, с.210–215, (автор – 50%);
  3. Жук Ю.С., Нечаев Ю.И. Контроль динамики судна в ледовых условиях // Доклады 2-й российской мультиконференции по проблемам управления и 5-й научной конференции «Управление и информационные технологии УИТ-2008» Т.2. Санкт-Петербург. 2008, с.69–74,
    (автор – 50%);
  4. Жук Ю.С., Нечаев Ю.И. Прогнозирование динамических ситуаций в бортовых интеллектуальных системах // Труды XV всероссийской научно-методической конференции ТЕЛЕМАТИКА-2008. т.1, с.92–93, (автор – 60%);
  5. Нечаев Ю.И., Жук Ю.С. Оценка и прогноз динамики судна при взаимодействием с ледовым полем // Сборник докладов XI Международной конференции по мягким вычислениям и измерениям SCM-2008. Санкт-Петербург. 2008. т.2, с.49–53, (автор – 60%);
  6. Нечаев Ю.И., Жук Ю.С. Реализация принципа конкуренции при анализе динамики судна в ледовых условиях // Сборник докладов XII Международной конференции по мягким вычислениям и измерениям SCM-2009. Санкт-Петербург. 2009. т.2, с. 73–76, (автор – 50%);
  7. Жук Ю.С., Нечаев Ю.И. Нейросетевое моделирование динамики и судна в ледовых условиях // Искусственный интеллект. №3. 2009, с.384–391, (автор – 60%);
  8. Жук Ю.С., Нечаев Ю.И. Анализ и прогноз динамики судна в бортовых интеллектуальных системах // Морские интеллектуальные технологии. №2(4). 2009, с.11–19, (автор – 60%);
  9. Жук Ю.С. Нейропрогноз динамики сложного объекта // Материалы пятой общероссийской конференции молодых ученых и специалистов по морским интеллектуальным технологиями МОРИНТЕХ-ЮНИОР, Санкт-Петербург. 2009, с.58–60, (автор – 100%);
  10. Жук Ю.С. Нейро-сетевые модели при прогнозировании скорости судна в ледовых условиях // Системы искусственного интеллекта в интеллектуальных технологиях XXI века. Коллективная монография / Макаренко Н.Г., Нечаев Ю.И., Жук Ю.С. М.: Радиотехника, 2012, с.269-287, (автор – 40%).

Издательство СПбГМТУ, Лоцманская, 10

Подписано в печать 06.03.2012. Зак. 4322. Тир.100. 1,1 печ. л.







© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.