Synthesis and use of a neural network model of a vessel to solve control purpose

Abstract

Unlike classical identification methods, neural networks can identify not only individual parameters of a mathematical model, but also the whole mathematical model as a whole. This is especially important for purely nonlinear control objects, for which knowledge of the nature of interaction with the immersion medium is approximate (interaction of the propeller with water, interaction of the jet of water from the propeller with the rudder and hull, shallow water, precipitation and trim, etc.). Therefore, the solution of this problem is relevant. A method for synthesizing a neural network model of a ship based on training and reference samples collected during routine maneuvers during a voyage is proposed. Subsequently, the synthesized neural network model is used in the ship control system to improve tactical and technical characteristics. На відміну від класичних методів ідентифікації, нейронні мережі можуть ідентифікувати не лише окремі параметри математичної моделі, а й всю математичну модель в цілому. Це особливо важливо для чисто нелінійних об'єктів керування, для яких знання про характер взаємодії із середовищем занурення є приблизним (взаємодія гвинта з водою, взаємодія струменя води від гвинта з кермом напрямку та корпусом, мілководдя, опади та диферент тощо). Тому вирішення цієї задачі є актуальним. Запропоновано метод синтезу нейромережевої моделі судна на основі навчальних та довідкових зразків, зібраних під час рутинних маневрів під час рейсу. Згодом синтезована нейромережева модель використовується в системі керування судном для покращення тактико-технічних характеристик.