Машинное обучение нейросетевого классификатора для интеллектуального авторулевого на нечеткой логике

Седова Нелли Алексеевна, Баженов Руслан Иванович, Дорофеев Андрей Сергеевич, Глушков Сергей Витальевич

В работе приведены различные подходы к разработке интеллектуальных авторулевых, при этом указаны преимущества тех или иных интеллектуальных систем. Отмечается, что использование методов машинного обучения, в том числе нейросетевых технологий, является перспективным подходом в связи с многочисленными возможностями по обработке больших массивов данных. Предложено использование методов машинного обучения для формирования нейросетевых моделей, имитирующих траектории движения судов, а также для разработки нейросетевого классификатора, который группирует эти траектории по критериальным признакам. Таким образом, разрабатываемый авторулевой, регулятор которого настраивается классификатором в соответствии с характеристиками движения судна (зависящими от ветро-волновых условий плавания, типа, загрузки судна и т.д.) получает возможность самоадаптации под текущие условия плавания. С использованием сертифицированного имитатора сигнала для авторулевых получены траектории движения судов (для разных типов судов при различных условиях плавания), для каждой траектории проведен оптимизационный подбор типа, архитектуры и алгоритма обучения нейронной сети. Проведен спектральный анализ, показывающий изменение спектральной характеристики моделей судов при смене погодных условий. Сформирована база знаний нейросетевого классификатора из 24 нейросетевых моделей траекторий движения морских судов, показана принципиальная работоспособность предложенного подхода.

Ключевые слова:безопасность мореплавания, интеллектуальный авторулевой, методы машинного обучения, классификатор, регулятор на нечёткой логике, нейронная сеть.