LMS算法在船舶航行危險(xiǎn)評(píng)估中的應(yīng)用

劉用功，陳丹涌

(廣州航海學(xué)院海運(yùn)系，廣東廣州　510725)

?

LMS算法在船舶航行危險(xiǎn)評(píng)估中的應(yīng)用

劉用功，陳丹涌

(廣州航海學(xué)院海運(yùn)系，廣東廣州510725)

摘要：在分析影響航行安全因素的基礎(chǔ)上，將模式識(shí)別方法引入到航行危險(xiǎn)評(píng)估中，并采用LMS算法構(gòu)建船舶航行危險(xiǎn)評(píng)估模型。利用問(wèn)卷調(diào)查收集到的影響航行安全的數(shù)據(jù)，采用可變學(xué)習(xí)速率的方法，對(duì)模型進(jìn)行訓(xùn)練和驗(yàn)證。結(jié)果顯示采用LMS算法構(gòu)建的船舶航行危險(xiǎn)評(píng)估模型錯(cuò)誤率低至0.03。該模型可快速識(shí)別船舶航行危險(xiǎn)，為駕駛員操船提供參考，對(duì)保障航行安全有重要意義。

關(guān)鍵詞：航行危險(xiǎn)；LMS；危險(xiǎn)評(píng)估；船舶安全

近年來(lái)因船舶航行環(huán)境惡劣導(dǎo)致的船舶事故時(shí)有發(fā)生，如“光陽(yáng)新港”集裝箱船因遇大風(fēng)沉沒(méi)，“東方之星”客輪因遇到惡劣天氣傾覆，因此有必要對(duì)船舶航行環(huán)境中的危險(xiǎn)進(jìn)行評(píng)估。目前已有大量關(guān)于船舶航行危險(xiǎn)評(píng)估的方法，從不同角度對(duì)航行危險(xiǎn)進(jìn)行評(píng)估，均取得了很好的效果。文獻(xiàn)[1-2]對(duì)綜合安全評(píng)估法(formal safety assessment,FSA)做了詳細(xì)的描述，對(duì)該方法中存在的問(wèn)題進(jìn)行細(xì)致分析，并提出解決FSA中不確定性問(wèn)題的方法；文獻(xiàn)[3]通過(guò)分析貝葉斯網(wǎng)絡(luò)安全評(píng)估的特點(diǎn)，提出基于貝葉斯網(wǎng)絡(luò)的海上安全評(píng)估模型；文獻(xiàn)[4]將模糊層次分析法應(yīng)用到航線安全評(píng)估中，得到南中國(guó)海航線航行危險(xiǎn)的地理分布特點(diǎn)和時(shí)間分布特點(diǎn)；文獻(xiàn)[5]將影響航行安全的因素進(jìn)行量化，采用灰色系統(tǒng)理論的方法，建立的航行危險(xiǎn)評(píng)估模型；文獻(xiàn)[6]采用模糊綜合的方法建立沿岸通航密集區(qū)航行風(fēng)險(xiǎn)評(píng)估模型，并提出相應(yīng)的風(fēng)險(xiǎn)控制措施；文獻(xiàn)[7-8]將證據(jù)理論引入航行危險(xiǎn)評(píng)估中，并以實(shí)例證明了該方法的有效性。

船舶航行危險(xiǎn)評(píng)估可看作對(duì)航行船舶所處環(huán)境中的危險(xiǎn)進(jìn)行識(shí)別，因此本文從模式識(shí)別的角度出發(fā)，利用模式識(shí)別中的最小均方(least mean squares，LMS)算法，結(jié)合實(shí)例構(gòu)建航行危險(xiǎn)評(píng)估模型。

1模式識(shí)別原理

模式識(shí)別是一門研究將對(duì)象分類的學(xué)科，經(jīng)過(guò)長(zhǎng)時(shí)間的發(fā)展，在字符識(shí)別、語(yǔ)音識(shí)別和機(jī)器視覺(jué)等領(lǐng)域得到了廣泛應(yīng)用[9-12]。

模式識(shí)別的基本過(guò)程是對(duì)采集到的數(shù)據(jù)進(jìn)行處理并提取出有用的特征，根據(jù)具體的應(yīng)用場(chǎng)合設(shè)計(jì)相應(yīng)的分類器對(duì)對(duì)象所屬的模式進(jìn)行分類。對(duì)于數(shù)據(jù)集D={x1,x2,…，xi}和M類可分模式集Y={y1,y2,…，yM}，存在：

yi=wTxi=w0x0i+w1x1i+…+wixii，

式中：xi=[x0i,x1i,x2i,…，xii]；yi=wTxi稱為判別函數(shù)；w稱為權(quán)值向量。

按判別函數(shù)的不同，分類器可分為兩類，使用線性判別函數(shù)的分類器稱為線性分類器，使用非線性判別函數(shù)的分類器稱為非線性分類器。求解判別函數(shù)的過(guò)程即是求解w的過(guò)程。

2LMS算法

采用迭代法求解[13]，則有

LMS算法簡(jiǎn)單清晰，最終可得到收斂解且易于實(shí)現(xiàn)，在模式識(shí)別等領(lǐng)域得到了廣泛應(yīng)用[14-16]。

3算法實(shí)例

3.1試驗(yàn)數(shù)據(jù)

船舶在海上航行眾多因素對(duì)航行安全均有影響，如人為因素、船舶因素、環(huán)境因素、管理因素等[17-19]。為方便研究，選取能見(jiàn)度、船舶橫搖、船舶密度作為航行環(huán)境的特征向量。表1是對(duì)某7萬(wàn)t級(jí)南北線航行船舶船長(zhǎng)采取問(wèn)卷調(diào)查方法獲得的數(shù)據(jù)，數(shù)據(jù)將航行安全分為安全(-1)和不安全(1)兩類[20]。

表1　航行危險(xiǎn)評(píng)價(jià)數(shù)據(jù)

表1中的數(shù)據(jù)已進(jìn)行離散化處理，離散化規(guī)則如表2～4所示。

表2　能見(jiàn)度離散規(guī)則

表3　船舶橫搖離散規(guī)則

表4　船舶數(shù)量離散規(guī)則

3.2試驗(yàn)結(jié)果

使用前90個(gè)數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，使用后90個(gè)數(shù)據(jù)對(duì)模型進(jìn)行測(cè)試。在滿足ρk→0的前提下，LMS算法的收斂性與初始值無(wú)關(guān)，但初始值對(duì)算法收斂時(shí)間有很大影響，相同學(xué)習(xí)速率下，距離收斂解近的初始值收斂時(shí)間短，反之則收斂時(shí)間長(zhǎng)，如圖1、2所示。在相同的初始值下，LMS算法收斂解與期望解之間的誤差和算法收斂的時(shí)間與學(xué)習(xí)速率有關(guān)，學(xué)習(xí)速率越小則誤差越小，但算法收斂的時(shí)間越長(zhǎng)；學(xué)習(xí)速率越大則誤差越大，算法收斂的時(shí)間越短，如圖3、4所示。

圖1　w0=[1，1，1，1],ρk=0.01的LMS學(xué)習(xí)曲線　　　　　圖2　w0=[10，10，10，10],ρk=0.01的LMS學(xué)習(xí)曲線

　圖3　w0=[10，10，10，10],ρk=0.05的LMS學(xué)習(xí)曲線　　　圖4　w0=[-0.04，0.02，0.01，0.04], ρ0=0.01的LMS學(xué)習(xí)曲線

4結(jié)論

本文將模式識(shí)別的概念引入到航行危險(xiǎn)評(píng)估中，首先介紹模式識(shí)別的原理和LMS算法，然后分析該算法的特點(diǎn)和算法在應(yīng)用中的注意事項(xiàng)，并采用可變學(xué)習(xí)速率的方法構(gòu)建航行危險(xiǎn)評(píng)估中的模型，通過(guò)對(duì)模型的驗(yàn)證，結(jié)果表明LMS算法構(gòu)建的航行危險(xiǎn)評(píng)估模型的錯(cuò)誤率是很低的。

本文將復(fù)雜的航行危險(xiǎn)評(píng)估簡(jiǎn)化為線性問(wèn)題考慮，雖然得到了滿意的模型，但航行危險(xiǎn)評(píng)估實(shí)質(zhì)上是一個(gè)非常復(fù)雜的非線性問(wèn)題，因此本文的模型還有很大的改進(jìn)空間，構(gòu)建相對(duì)簡(jiǎn)單且錯(cuò)誤率低的模型將是以后的研究重點(diǎn)。

參考文獻(xiàn)：

[1]秦庭榮,陳偉炯,郝育國(guó),等.綜合安全評(píng)價(jià)(FSA)方法[J].中國(guó)安全科學(xué)學(xué)報(bào),2005,15(4):88-92.

QIN Tingrong,CHEN Weijiong, HAO Yuguo.Formal safety assessment (FSA)methodology[J].China Safety Science Journal,2005,15(4):88-92.

[2]樊紅.船舶綜合安全評(píng)估(FSA)方法研究[D].武漢:武漢理工大學(xué),2004.

[4]WANG Jiasheng,LI Manchun,LIU Yongxue,et al.Safety assessment of shiping routes in the South China Sea based on the fuzzy analytic hierarchy process[J].Saftey Science,2014,62(2):46-57.

[5]周東平.船舶航道航行危險(xiǎn)度評(píng)估方法研究[J].上海海運(yùn)學(xué)院學(xué)報(bào),1993(1):8-16.

ZHOU Dongping.On the approach to assessing ship navigation risk in channels[J].Journal of Shanghai Mritime University,1993(1):8-16.

[6]欒法敏.沿岸通航密集區(qū)航行風(fēng)險(xiǎn)識(shí)別、評(píng)估和控制[J].中國(guó)航海,2014,37(3):80-84.

LUAN Famin.Identification,assessment and control of navigational risks in coastal and congested waters[J].Navigation of China,2014,37(3):80-84.

[7]樊紅,馮恩德.一種基于證據(jù)理論的船舶綜合安全評(píng)估(FSA)方法[J].武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版),2004,28(4):546-549.

FAN Hong,FENG Ende.An approach for formal safety assessment on ship based on evidence theory[J].Journal of Wuhan University of Technology(Transportation Science& Engineering),2004,28(4):546-549.

[8]孫健,王鳳武,劉強(qiáng),等.基于證據(jù)理論的船舶大風(fēng)浪中航行的安全評(píng)價(jià)[J].大連海事大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,39(1):53-56.

SUN Jian,WANG Fengwu,LIU Qiang, et al.Safety assessment of ships navigating in heavy sea based on evidence theory[J].Journal of Dalian Maritime University(Natural sciences),2013,39(1):53-56.

[9]咼潤(rùn)華,蘇婷婷,馬曉偉.BP神經(jīng)網(wǎng)絡(luò)聯(lián)合模板匹配的車牌識(shí)別系統(tǒng)[J].清華大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,53(9):1221-1226.

GUO Runhua,SU Tingting,MA Xiaowei.License plate recognition system using a BP neural network and template matching[J].Journal of Tsinghua University(Science & Technology),2013,53(9):1221-1226.

[10]單煜翔,鄧妍,劉加.一種聯(lián)合語(yǔ)種識(shí)別的新型大詞匯量連續(xù)語(yǔ)音識(shí)別算法[J].自動(dòng)化學(xué)報(bào),2012,38(3):366-374.

SHAN Yuxiang,DENG Yan,LIU Jia.A novel large vocabulary continuous speech recognition algorithm combined with language recognition[J].Acta Automatica Sinica,2012,38(3):366-374.

[11]王科俊,鄒國(guó)鋒.基于子模式的Gabor特征融合的單樣本人臉識(shí)別[J].模式識(shí)別與人工智能,2013,26(1):50-56.

WANG Kejun,ZOU Guofeng.A sub-pattern gabor features fusion method for single sample face recognition[J].Pattern Recognition and Artificial Intelligence,2013,26(01):50-56.

[12]WIDROW B,LEHR M A.30 years of adaptive neural networks:Perceptron,madaline,and backpropagation[J].Proceedings of the IEEE,1990,78(9):1415-1442.

[13]FUKUNAGA K.Introduction to statistical pattern recogniton[M].2nd Edition.San Francisco,New York:Academic Press,1990.

[14]AMIRYARAHMADI N,KROPP W,LARSSON K.Application of LMS algorithm to measure low-frequency transient forces from human walking[J].Acta Acustica United with Acustica,2016,102(1):23-34.

[15]AHMAD S T,KUMAR K P.Normalized LMS filter for chromatic dispersion compensation in single polarization 40 Gbps CO-OFDM system in presence of timing and frequency offsets[J].OPTIK,2015,127(2):668-672.

[16]HUANG Wei,YANG Xi,LIU Duanyang.Diffusion LMS with component-wise variable step-size over sensor networks[J].IET Signal Processing,2016,10(1):37-45.

[17]陳鋼煉.影響船舶航行安全因素分析與對(duì)策研究[J].中國(guó)水運(yùn)(學(xué)術(shù)版),2007,7(8):36-38.

[18]殷志明.影響船舶航行安全的因素淺析[J].廣東交通職業(yè)技術(shù)學(xué)院學(xué)報(bào),2010,9(3):47-49.

YIN Zhiming.Analysis on the factors with influencing ships navigation safety[J].Journal of Guangdong Communications Polytechnic,2010,9(3):47-49.

[19]張新放,關(guān)克平.船舶航行安全的影響因素及安全性評(píng)估研究[J].中國(guó)水運(yùn)(學(xué)術(shù)版),2015,15(11):50-52.

[20]劉用功.感知器在船舶航行危險(xiǎn)評(píng)估中的應(yīng)用[J].廣州航海學(xué)院學(xué)報(bào),2015,23(2):24-26.

LIU Yonggong.Perception for assessing the risk of navigation environment[J].Journal of Guangzhou Maritine Institute,2015,23(2):24-26.

(責(zé)任編輯：郎偉鋒)

收稿日期：2015-10-06

基金項(xiàng)目：廣州航海學(xué)院重點(diǎn)平臺(tái)建設(shè)躍升計(jì)劃(A510607)

作者簡(jiǎn)介：劉用功(1990—)，男，河南汝州人，助教，主要研究方向?yàn)楹胶x器，E-mail: liuyonggong@qq.com.

DOI：10.3969/j.issn.1672-0032.2016.02.013

中圖分類號(hào)：U676.1

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1672-0032(2016)02-0071-04

Application of the LMS Algorithm to the Risk Assessment of Ship Navigation

LIUYonggong,CHENDanyong

(DepartmentofOceanShipping,GuangzhouMaritimeInstitute,Guangzhou510725,China)

Abstract:In this paper, the approach of pattern recognition is introduced to assess the risk of navigation and the LMS algorithm is used to construct the risk assessment model of navigation based on the analysis of affecting navigation safety. Then, the data of affecting the navigation safety collected by questionnaires are used to train and test the model by using the method of the variable learning rate. The result shows that the error rate of the risk assessment model of navigation constructed by the LMS algorithm can be as low as 0.03. The model can quickly recognize the navigation risk and provide references for the sailors, which is important to ensure the safety of navigation.

Key words:navigation risk; LMS; risk assessment; ship safety