面向复杂船舶领域的动态自组织模糊建模及综合

船舶领域是研究水上交通安全等重大难题的基本理论和工具，受多种复杂的不确定因素影响，传统的研究方法仅能对其模型进行片面的定性研究。而模糊系统正是处理上述不确定性的有效手段，但其缺乏系统化的设计方法。本课题拟结合船舶领域本质结构的探讨和自组织模糊系统的研究，为复杂船舶领域的智能建模和综合提供新的研究思路和方法。具体内容为：通过建立人、船、环境因素子系统的定性和定量模型，研究解析化与定性描述相结合的船舶领域，构建统一框架下的船舶领域参考模型；基于所得参考模型和影响因素的量化研究，通过随机采样构建船舶领域的样本数据库；通过研究新的兼具模糊规则增长和修剪特性的学习算法，实现一型和二型精简模糊系统的快速自组织设计；基于船舶领域参考模型和快速自组织精简模糊系统，研究复杂船舶领域的动态智能建模。本课题旨在揭示复杂船舶领域的模型机理并建立其动态自组织模糊模型，为水上智能交通的深入研究提供理论基础和有效工具。

船舶领域是研究水上交通安全等重大难题的基本理论和工具，受多种复杂的不确定性因素影响，传统的研究方法仅能对其模型进行片面的定性研究。而模糊神经系统正是处理上述不确定性的有效手段，但其缺乏系统化的设计方法。本课题结合船舶领域本质结构和自组织模糊神经系统的探讨，依据研究计划进行了复杂船舶领域的自组织模糊神经建模研究，圆满完成了既定的研究目标，取得了一系列学术成果，为复杂船舶领域的智能建模提供了新的研究思路和方法。研究工作及其创新性体现为：1）提出了统一解析框架下的船舶领域参考模型。该船舶领域模型将现有的船舶领域模型纳入到一个统一解析框架内，这不仅为揭示复杂船舶领域模型的本质结构和内在机理提供理论基础，而且为船舶领域进一步全面深入的研究提供参考模型。2）充分考虑人、船、环境等多方面复杂因素，提出了由尺度和形状参数刻画的四元船舶领域（QSD）；针对船舶领域存在主观和客观不确定性，采用模糊系统理论将QSD推广至具有智能特性的模糊QSD；着重考虑船舶操纵性能和人因等因素，提出了智能QSD模型和广义智能QSD；进而，考虑时变复杂航行环境，提出了动态QSD统一解析框架，建立了四元船舶领域的系统化理论。这为船舶航行安全度估计、避碰决策和航迹规划等提供了有效的理论工具和分析手段。3）基于距离测度、卡尔曼滤波算法和最小二乘算法等，提出了一种快速精确的在线自组织模糊神经系统学习算法；进而，将其推广至采用非对称高斯函数的广义自组织模糊神经系统。这为诸如复杂船舶领域和船舶运动等复杂系统辨识，提供了更加快速和精确的建模方法。4）结合极速学习机理论，提出了构造式和破坏式精简极速学习机算法，用以实现精简单隐层前馈神经网络结构及参数辨识。该算法同事能够实现稳定的隐层节点选择以及理想的逼近精度和泛化能力。5）提出了一种构造式多输入多输出极速学习机算法，用于实现船舶运动动态特性辨识，模型精度得以极大提高。6）将上述自组织模糊神经系统理论成果，应用于四元船舶领域模型辨识，实现了四元船舶领域框架下的动态自组织模糊建模。该项目研究解决了两方面关键科学问题：1）多种复杂因素影响下的船舶领域建模；2）精简自组织模糊神经系统结构学习与参数辨识。其科学意义表现为：四元船舶领域的动态智能建模为船舶安全预测与控制、水上交通规划、避碰决策和海上交通法规等领域提供了重要的理论依据，具有极高的理论价值和广阔的应用前景。