Algorytm sieci neuronowej do bezpiecznego sterowania ruchem statku w rozmytym otoczeniu

• Autorzy: Mohamed-Seghir M.

Warianty tytułu

EN

Neural network based algorithm for ship safe motion control in fuzzy environment

• Języki publikacji: PL

Abstrakty

PL

Niniejsza praca odnosi się do problemu planowania trajektorii statku w sytuacjach kolizyjnych. W proponowanym modelu wzięto pod uwagę parametry manewrowości statku i subiektywność oceny nawigatora. Celem głównym opracowania jest zaproponowanie metody wyznaczania bezpiecznej trajektorii statku w sytuacji kolizyjnej jako wieloetapowego procesu podejmowania decyzji w rozmytym otoczeniu. Celem szczegółowym jest wykorzystanie metody, opartej na sieci neuronowej, do wyznaczenia bezpiecznej trajektorii własnego statku w sytuacjach zagrożenia kolizyjnego.

EN

This paper addresses the problem of planning the ship trajectory in collision situations. The ship maneuverability parameters and subjectivity navigator in decisionmaking are taken into account in the proposed process model. The main objective of the study is to propose the designation of safe ship trajectory in collision situations as a multistage decision-making process in the fuzzy environment. The specific objective is to use a method based on neural network to determine the best ship trajectory in collision situations.

Słowa kluczowe

PL

trajektoria statku; zbiory rozmyte; podejmowanie decyzji; sieci neuronowe

EN

ship trajectory; fuzzy set theory; decision-making; neural network

• Wydawca: Wydawnictwo Uniwersytetu Morskiego w Gdyni
• Czasopismo: Zeszyty Naukowe Akademii Morskiej w Gdyni
• Rocznik: 2017
• Tom: nr 98
• Strony: 173--178
• Opis fizyczny: Bibliogr. 8 poz., rys., tab.

Twórcy

autor

Mohamed-Seghir M.

• Akademia Morska w Gdyni, Morska 81–87, 81-581 Gdynia, Wydział Elektryczny, Katedra Automatyki Okrętowej

Bibliografia

• 1. Bellman, R.E., Zadeh, L.A., 1970, Decision Making in a Fuzzy Environment, Management Science, no. 17.
• 2. Francelin, R.A., Gomide, F.A.C., 1993, A Neural Network for Fuzzy Decision Making Problems, Proc. of 2nd IEEE International Conference on Fuzzy Systems, vol. 1, s. 655–660.
• 3. Francelin, R., Kacprzyk, J., Gomide, F., 2001, Neural Network Based Algorithm for Dynamic System Optimization, Asian Journal of Control, vol. 3, no. 2, s. 131–142.
• 4. Hiraga, I., Furuhashi, T., Uchikawa, Y., Nakayama, S., 1995, An Acquisition of Operator's Rules for Collision Avoidance Using Fuzzy Neural Networks, IEEE Transactions on Fuzzy Systems, vol. 3, no. 3, s. 280–287.
• 5. Lisowski, J., 2012, The Optimal and Safe Ship Trajectories for Different Forms of Neural State Constraints, Solid State Phenomena, vol. 180.
• 6. Mohamed-Seghir, M., 2012, The Branch-and-bound Method and Genetic Algorithm in Avoidance of Ships Collisions in Fuzzy Environment, Polish Maritime Research 19, Special Issue, s. 45–49.
• 7. Pietrzykowski, Z., Magaj, J., Wolejsza, P., Chomski, J., 2010, Fuzzy Logic in the Navigational Decision Support Process Onboard a Sea-Going Vessel, Artificial Intelligence and Soft Computing, Springer, Berlin – Heidelberg, s. 185–193.
• 8. Rocha, A.F., 1992, Neural Nets: a Theory of Brain an Machines, vol. 638, Springer-Verlag, Berlin – Heidelberg – New York.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017)