艦船安全研究中的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘方法*

周洪景 任 凱

（海軍工程大學(xué)動(dòng)力工程學(xué)院 武漢 430033）

1 引言

隨著數(shù)據(jù)庫(kù)技術(shù)、人工智能、數(shù)理統(tǒng)計(jì)和并行計(jì)算等技術(shù)的發(fā)展與融合，數(shù)據(jù)挖掘技術(shù)（Data mining，DM）應(yīng)運(yùn)而生，數(shù)據(jù)挖掘［1］是一門新興的交叉學(xué)科，能夠從大量數(shù)據(jù)中提取知識(shí)，是一種高效的數(shù)據(jù)處理技術(shù)。數(shù)據(jù)挖掘技術(shù)主要有決策樹技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)、回歸分析技術(shù)、關(guān)聯(lián)規(guī)則技術(shù)、聚類分析技術(shù)、貝葉斯分類技術(shù)六種，自20 世紀(jì)末提出以來(lái)，引起了許多專家學(xué)者的廣泛關(guān)注，它實(shí)現(xiàn)的算法多樣，其中人們更是給予了基于神經(jīng)網(wǎng)絡(luò)算法的數(shù)據(jù)挖掘技術(shù)厚望。

在艦船安全技術(shù)領(lǐng)域，如何有效地利用和處理大量的數(shù)據(jù)成為當(dāng)今世界共同關(guān)心的問(wèn)題。運(yùn)用人工智能對(duì)海量的數(shù)據(jù)進(jìn)行有效的處理，是保障艦船生命力的重要手段。但是在我國(guó)艦艇安全智能化領(lǐng)域研究，目前相關(guān)的學(xué)習(xí)研究還不系統(tǒng)，而且研究層次較低，還有廣闊的開發(fā)前景和研究?jī)r(jià)值。因此正確地理解基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘各種方法的優(yōu)勢(shì)與不足，對(duì)現(xiàn)有的、潛在的應(yīng)用領(lǐng)域進(jìn)行研究，對(duì)于減少今后在艦船安全相關(guān)技術(shù)中神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用的盲目性和充分發(fā)揮神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)，具有一定的參考價(jià)值和指導(dǎo)意義。

2 基于數(shù)據(jù)支撐的艦船安全技術(shù)研究

數(shù)據(jù)的質(zhì)量將決定艦船的安全，從保證安全的角度出發(fā)，數(shù)據(jù)挖掘是必不可少的，艦船安全依賴準(zhǔn)確有效的數(shù)據(jù)，所以數(shù)據(jù)挖掘涉及到艦船安全技術(shù)的多方面及全流程。如：艦船運(yùn)動(dòng)的實(shí)時(shí)預(yù)測(cè)［2～3］、艦船航行避碰、防擱淺［4］，艦船的穩(wěn)性［5～6］、浮性［7］、預(yù)測(cè)與控制，航行風(fēng)險(xiǎn)安全評(píng)估與指導(dǎo)［8～10］，艦船的損害管制［11］，船舶受損輔助決策［12］等，這些都是一系列復(fù)雜的，需要交叉學(xué)科知識(shí)的工程，都高度依賴數(shù)據(jù)挖掘技術(shù)。

以艦船的損害管制為例，它一直以來(lái)都是各國(guó)海軍艦艇部隊(duì)的一項(xiàng)重要工作，也牽涉到多個(gè)方面，例如破損進(jìn)水，火災(zāi)與煙霧蔓延，爆炸，航向調(diào)整等。因此在發(fā)生損害時(shí)，就需要進(jìn)行綜合分析，重點(diǎn)管控。

為了保證艦船的生命力，除了對(duì)艦船人員損害管制處理的業(yè)務(wù)素質(zhì)有比較高的要求外，還要求艦船損管系統(tǒng)在艦船受損，比如遭遇破損進(jìn)水或起火后，在短短幾分鐘內(nèi)要做出準(zhǔn)確的損害評(píng)估與輔助決策。在這期間，會(huì)有大量的數(shù)據(jù)涌入，如何高效地處理這些數(shù)據(jù)，從中提取對(duì)于戰(zhàn)時(shí)損管決策更為有用的信息，學(xué)習(xí)推測(cè)損害情況的發(fā)展趨勢(shì)并給出合適的處理方案，顯然即使是訓(xùn)練有素的人員，也做不到在短時(shí)間內(nèi)達(dá)到要求，只能通過(guò)功能強(qiáng)大的計(jì)算機(jī)來(lái)實(shí)現(xiàn)這個(gè)功能，其中算法是解決上述問(wèn)題的關(guān)鍵。上述提到的情況當(dāng)中，數(shù)據(jù)大多具有快速變化、非線性變化、隨機(jī)變化等特征，用傳統(tǒng)的方法并不容易處理，但是艦船很多受損情況的數(shù)據(jù)可以通過(guò)平時(shí)的試驗(yàn)獲得，面對(duì)這個(gè)數(shù)據(jù)“海洋”，神經(jīng)網(wǎng)絡(luò)不失為學(xué)習(xí)解決這類問(wèn)題的一個(gè)不錯(cuò)思路。在處理數(shù)據(jù)之前就訓(xùn)練好神經(jīng)網(wǎng)絡(luò)模型，系統(tǒng)就可以在戰(zhàn)時(shí)的緊張之際，將受損情況和發(fā)展趨勢(shì)在很短時(shí)間內(nèi)判斷清楚，克服僅僅依靠艦艇人員經(jīng)驗(yàn)判斷的不足。基于神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)挖掘是通過(guò)仔細(xì)分析大量數(shù)據(jù)來(lái)揭示有意義的新關(guān)系、趨勢(shì)和模式的過(guò)程，能夠?qū)Ξ?dāng)前或者未來(lái)的情況做出可靠的判斷。

3 艦船運(yùn)動(dòng)狀態(tài)參數(shù)和生命力指標(biāo)計(jì)算中的數(shù)據(jù)挖掘方法

艦船生命力的保證就是艦船戰(zhàn)斗力的保證，實(shí)時(shí)掌握艦船相關(guān)信息對(duì)保證艦船生命力來(lái)說(shuō)至關(guān)重要，無(wú)論是動(dòng)態(tài)信息還是靜態(tài)信息，如艦船的浮性和穩(wěn)性，這是艦船必須具備的兩個(gè)最基本的性能。需要運(yùn)用數(shù)據(jù)挖掘技術(shù)，對(duì)各類險(xiǎn)情相關(guān)數(shù)據(jù)信息進(jìn)行定性、定量分析，從而準(zhǔn)確預(yù)報(bào)險(xiǎn)情。

船舶橫傾運(yùn)動(dòng)是一個(gè)復(fù)雜的時(shí)變非線性過(guò)程，它隨各種航行條件以及時(shí)變環(huán)境因素而變化。鑒于船舶鰭系統(tǒng)存在不確定性，需要對(duì)系統(tǒng)進(jìn)行補(bǔ)償。Sun M［13］應(yīng)用徑向基函數(shù)（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)來(lái)估計(jì)不確定性，RBF 神經(jīng)網(wǎng)絡(luò)屬于前饋式神經(jīng)網(wǎng)絡(luò)，可以在線識(shí)別系統(tǒng)模型錯(cuò)誤，從而可以保證閉環(huán)系統(tǒng)的穩(wěn)定性。仿真結(jié)果表明，控制策略的設(shè)計(jì)可以有效提高艦船防側(cè)傾效果；同時(shí)Yin J C［14］也利用離散小波變換（DWT）方法與變結(jié)構(gòu)徑向基函數(shù)相結(jié)合的方法，實(shí)現(xiàn)了精確的船舶側(cè)傾實(shí)時(shí)預(yù)測(cè)。Yin J C［15］等提出了基于在線序貫極限學(xué)習(xí)機(jī)（OS-ELM）的灰色預(yù)測(cè)模型，該模型能夠以極快的計(jì)算速度準(zhǔn)確地生成側(cè)傾角預(yù)測(cè)。此外Gunnu G R 等［16］在研究中將多層神經(jīng)網(wǎng)絡(luò)選擇為網(wǎng)絡(luò)模型，在操作參數(shù)和靜態(tài)橫傾角之間建立了基于人工神經(jīng)網(wǎng)絡(luò)的功能關(guān)系，借助合適的船載監(jiān)控系統(tǒng)獲得訓(xùn)練數(shù)據(jù)，進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，該結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)可以根據(jù)操作參數(shù)準(zhǔn)確估計(jì)靜態(tài)橫傾角，因此，提出的數(shù)學(xué)模型可用于評(píng)估預(yù)測(cè)錨固期間的船舶穩(wěn)定性。

由于非線性和環(huán)境的不確定性，船舶轉(zhuǎn)向控制器的設(shè)計(jì)是一項(xiàng)長(zhǎng)期挑戰(zhàn)，這與船舶安全息息相關(guān)。Wang Y 等［17］設(shè)計(jì)了一種基于擴(kuò)展卡爾曼濾波器（EKF）訓(xùn)練的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)控制算法的智能自動(dòng)駕駛儀。研究表明，所開發(fā)的控制系統(tǒng)在存在環(huán)境干擾的情況下可用于船舶的運(yùn)動(dòng)控制。Naoki Mizuno［18］提出了一種基于非線性最優(yōu)反饋控制器的自動(dòng)泊船系統(tǒng)。該方法將遞歸神經(jīng)網(wǎng)絡(luò)用于非線性最優(yōu)反饋控制器，以適應(yīng)不同的泊位距離和擾動(dòng)等實(shí)際工況。Kosmas O T［19］提出了一種基于模擬退火的算法，在考慮船舶安全性的前提下，可通過(guò)最小化成本函數(shù)（確定航程時(shí)間和航程舒適度的加權(quán)總和）來(lái)確定最佳船舶路線。

水面艦艇的抗爆炸，抗撞擊能力直接影響艦艇的生命力和攻擊能力，是衡量水面艦艇作戰(zhàn)性能的重要指標(biāo)之一。概率神經(jīng)網(wǎng)絡(luò)結(jié)合徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和經(jīng)典概率密度估計(jì)原理，是基于統(tǒng)計(jì)原理的前饋神經(jīng)網(wǎng)絡(luò)，它的非線性學(xué)習(xí)過(guò)程可以用線性學(xué)習(xí)算法來(lái)實(shí)現(xiàn)。其結(jié)構(gòu)簡(jiǎn)單和分類準(zhǔn)確度高的優(yōu)點(diǎn)使其特別適合描述船舶沖擊環(huán)境的高度非線性特征。因此，Guo J［20］基于概率神經(jīng)網(wǎng)絡(luò)研究了水下非接觸爆炸作用下水面艦艇的沖擊環(huán)境。建立并訓(xùn)練的概率神經(jīng)網(wǎng)絡(luò)模型對(duì)未知船舶的撞擊環(huán)境預(yù)測(cè)具有參考價(jià)值。

以上均是關(guān)于艦船運(yùn)動(dòng)狀態(tài)參數(shù)和生命力指標(biāo)計(jì)算中的數(shù)據(jù)挖掘方法的相關(guān)研究，上述研究對(duì)保證艦船生命力有較大貢獻(xiàn)。

4 艦船安全風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)模型中的數(shù)據(jù)挖掘技術(shù)

保障生命力的同時(shí)也需要對(duì)各類事故能否發(fā)生做出風(fēng)險(xiǎn)預(yù)測(cè)，僅通過(guò)船員的經(jīng)驗(yàn)和直觀感受以及傳統(tǒng)的設(shè)備已不足以滿足要求，我們需要在各類風(fēng)險(xiǎn)預(yù)測(cè)模型中更多的應(yīng)用人工智能的技術(shù)。在艦船運(yùn)行過(guò)程中，有大量的數(shù)據(jù)產(chǎn)生，這些數(shù)據(jù)往往是動(dòng)態(tài)的、迅速變化的，所以我們需要應(yīng)用數(shù)據(jù)挖掘的技術(shù)對(duì)這些數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)艦船安全風(fēng)險(xiǎn)評(píng)估和預(yù)測(cè)。國(guó)內(nèi)外許多學(xué)者都對(duì)基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)進(jìn)行了研究。

文獻(xiàn)［21～22］都是利用反向傳播神經(jīng)網(wǎng)絡(luò)或者稱誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)（后面簡(jiǎn)稱BP網(wǎng)絡(luò)）來(lái)實(shí)現(xiàn)艦船的安全風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)。張慧［21］分析船舶航行風(fēng)險(xiǎn)要素，并結(jié)合風(fēng)險(xiǎn)內(nèi)涵，綜合考慮多項(xiàng)致災(zāi)的因素，構(gòu)建艦船航行傾覆風(fēng)險(xiǎn)評(píng)價(jià)體系，最后根據(jù)BP 神經(jīng)網(wǎng)絡(luò)原理構(gòu)建船舶傾覆風(fēng)險(xiǎn)的結(jié)構(gòu)，利用Matlab 實(shí)現(xiàn)了BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和擬合，可以用來(lái)預(yù)測(cè)計(jì)算大樣本的船舶傾覆風(fēng)險(xiǎn)值。同樣Wang Y F［22］等提出了一種新的船舶量化風(fēng)險(xiǎn)評(píng)估框架，開發(fā)了BP 神經(jīng)網(wǎng)絡(luò)模型來(lái)估計(jì)不同碰撞后果的概率，并通過(guò)將碰撞概率與相應(yīng)后果進(jìn)行積分來(lái)預(yù)測(cè)碰撞風(fēng)險(xiǎn)。此外Hai Zhou［23］等利用BP 神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)未來(lái)艦船航跡，有效保證艦船安全穩(wěn)定的運(yùn)行。BP 神經(jīng)網(wǎng)絡(luò)在自學(xué)能力、非線性問(wèn)題的處理能力方面具有顯著優(yōu)勢(shì)，但存在收斂速度慢，容易陷入局部最小的缺陷。

卷積神經(jīng)網(wǎng)絡(luò)是具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，具有很強(qiáng)的表達(dá)能力和學(xué)習(xí)能力。卷積神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于圖像處理，計(jì)算機(jī)視覺(jué)，語(yǔ)音識(shí)別與目標(biāo)檢測(cè)等。尤其是圖像、視頻和語(yǔ)音領(lǐng)域效果卓然。Zhang W［24］提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)和圖像識(shí)別的新方法，以解釋和分類遇到不同情況下的船舶碰撞風(fēng)險(xiǎn)。研究表明基于卷積神經(jīng)網(wǎng)絡(luò)的模型可以快速、準(zhǔn)確地解釋根據(jù)來(lái)自自動(dòng)識(shí)別系統(tǒng)的數(shù)據(jù)在碰撞風(fēng)險(xiǎn)方面構(gòu)建的圖像。

前面提到徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)也是一種前饋型神經(jīng)網(wǎng)絡(luò)，可以認(rèn)為它是一種通過(guò)改變神經(jīng)元非線性系變換函數(shù)的參數(shù)以實(shí)現(xiàn)非線性映射，并由此而導(dǎo)致連接權(quán)值調(diào)整的線性化，從而提高學(xué)習(xí)速度的神經(jīng)網(wǎng)絡(luò)，特點(diǎn)是學(xué)習(xí)速度快，所以近年來(lái)在數(shù)據(jù)挖掘中受到重視，特別是在支持向量機(jī)理論（Support Vector Machine，SVM）的應(yīng)用和研究逐步深入之后［25］，在艦船安全風(fēng)險(xiǎn)評(píng)估也有一些關(guān)于支持向量機(jī)理論的應(yīng)用，例如Zheng K［26］提出了一種基于支持向量機(jī)（SVM）技術(shù)的船舶碰撞風(fēng)險(xiǎn)定量評(píng)估算法，并通過(guò)仿真研究檢驗(yàn)了這種方法的有效性。仿真研究表明了新的風(fēng)險(xiǎn)評(píng)估算法的優(yōu)勢(shì)，可以克服常規(guī)風(fēng)險(xiǎn)評(píng)估方法的某些弱點(diǎn)。另外徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)還在提高艦船生命力方面有應(yīng)用，也在上文提到。上述神經(jīng)網(wǎng)絡(luò)均屬于前饋式神經(jīng)網(wǎng)絡(luò)，是一種最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)。

Hopfield 神經(jīng)網(wǎng)絡(luò)是反饋型網(wǎng)絡(luò)的代表，具備連續(xù)性和精確定位的特點(diǎn)。針對(duì)非線性時(shí)變系統(tǒng)具有復(fù)雜的非線性時(shí)變動(dòng)態(tài)特性，李鴻鵬［27］研究了基于Hopfield 神經(jīng)網(wǎng)絡(luò)的建模方法，給出了幾類Hopfield 神經(jīng)網(wǎng)絡(luò)的逼近定理及其相應(yīng)的辨識(shí)算法，可以用于非線性系統(tǒng)的建模與辨識(shí)中比如木材干燥建模過(guò)程，纖維板熱壓傳熱過(guò)程中的導(dǎo)熱問(wèn)題等，這對(duì)艦艇火災(zāi)的預(yù)防有借鑒意義。Lúcia Moreira［28］等提出了一種基于人工神經(jīng)網(wǎng)絡(luò)的時(shí)域技術(shù)，根據(jù)船舶運(yùn)動(dòng)可以預(yù)測(cè)波浪引起的船體彎曲力矩和剪切力，從而獲得了一種在船上使用的快速船體監(jiān)測(cè)工具。

自組織神經(jīng)網(wǎng)絡(luò)是一類無(wú)教師學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型，這類模型大都采用了競(jìng)爭(zhēng)學(xué)習(xí)機(jī)制。蔣豐等［29］針對(duì)艦艇生命力分析中評(píng)估艦艇系統(tǒng)沖擊損傷的傳統(tǒng)方法的一些不足之處，提出了一種新的艦艇系統(tǒng)沖擊損傷決策方法。它利用自組織映射神經(jīng)網(wǎng)絡(luò)的聚類功能，將艦艇系統(tǒng)在沖擊環(huán)境中的損傷程度評(píng)估作為一個(gè)分類問(wèn)題進(jìn)行處理，在不需要學(xué)習(xí)樣本的情況下建立了預(yù)測(cè)艦艇在沖擊荷載作用下生命力分類模型。此外，史光寶［30］在分析研究預(yù)警理論的基礎(chǔ)上，借鑒其在其他領(lǐng)域應(yīng)用的經(jīng)驗(yàn)，將預(yù)警理論運(yùn)用到海上安全領(lǐng)域，進(jìn)行海事預(yù)警的探索性研究，運(yùn)用重復(fù)傳播模型（Counter Propagation Networks，CPN）建立了海事預(yù)警分析模型，利用渤海水域客船的數(shù)據(jù)對(duì)模型進(jìn)行了驗(yàn)證分析。

以上研究都是在風(fēng)險(xiǎn)預(yù)測(cè)模型中基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘，都可對(duì)各類風(fēng)險(xiǎn)判斷提供高效有用的數(shù)據(jù)支撐。

5 智能化艦船損管輔助決策中的數(shù)據(jù)挖掘技術(shù)

結(jié)合風(fēng)險(xiǎn)評(píng)估進(jìn)行輔助決策，智能化艦船損管輔助決策是我們需要達(dá)到的最高目標(biāo)。完好的數(shù)據(jù)處理對(duì)輔助決策有很大的用處，在艦船受到平時(shí)或戰(zhàn)時(shí)的損害時(shí)，我們會(huì)接受到海量的信息反饋，這使我們需要有效的數(shù)據(jù)挖掘技術(shù)提煉出有用的數(shù)據(jù)，基于有效數(shù)據(jù)支撐的輔助決策將會(huì)使艦船的損管行動(dòng)事半功倍。

火災(zāi)探測(cè)是火災(zāi)預(yù)防的關(guān)鍵環(huán)節(jié)，艦船發(fā)生火災(zāi)時(shí)，它的發(fā)展與起火艙室結(jié)構(gòu)，艙室與各類管路分布，燃燒物種類等密切相關(guān)，其造成的結(jié)果就是船艙溫度升高，煙霧和有毒氣體排放，艦艇結(jié)構(gòu)材料性質(zhì)變化。因此監(jiān)測(cè)的數(shù)據(jù)往往也是來(lái)自溫度的變化，氣體和煙霧的產(chǎn)生，火災(zāi)產(chǎn)生時(shí)的紅外輻射信號(hào)，熱輻射和煙霧圖像等［31］。林高華［32］發(fā)展了一種基于不規(guī)則運(yùn)動(dòng)區(qū)域動(dòng)態(tài)紋理煙霧探測(cè)算法，首先提出并發(fā)展了合成煙霧圖像生成訓(xùn)練數(shù)據(jù)的方法，然后合成煙霧圖像進(jìn)行了基于二維卷積神經(jīng)網(wǎng)絡(luò)的煙霧探測(cè)研究，并繼續(xù)發(fā)展了一種基于三維卷積神經(jīng)網(wǎng)絡(luò)的視頻煙霧識(shí)別方法，設(shè)計(jì)相應(yīng)的視頻煙霧探測(cè)系統(tǒng)。為視頻煙霧探測(cè)技術(shù)走向?qū)嶋H應(yīng)用提供理論和技術(shù)支撐；同樣徐高［33］在火災(zāi)煙霧圖像識(shí)別中，研究發(fā)展了基于深度域適應(yīng)的煙霧圖像分類模型。

艦船破損進(jìn)水時(shí)，受損位置，大小及進(jìn)水規(guī)模，航向航速等特征會(huì)對(duì)艦船浮性、穩(wěn)性造成重要影響，這些可通過(guò)液位測(cè)量?jī)x，艙室可視化系統(tǒng)，艦船破艙穩(wěn)性實(shí)時(shí)計(jì)算系統(tǒng)等得出數(shù)據(jù)和圖像［34］。

之前我們已經(jīng)提到艦船的自動(dòng)目標(biāo)識(shí)別對(duì)艦艇安全有重大意義，而圖像分割是自動(dòng)目標(biāo)識(shí)別應(yīng)用的關(guān)鍵步驟［35］。它通常用于將目標(biāo)與其周圍的背景分開以執(zhí)行目標(biāo)識(shí)別。在大多數(shù)情況下，是艦船的自動(dòng)目標(biāo)識(shí)別是使用紅外圖像，紅外圖像可以緩解計(jì)算機(jī)視覺(jué)中的一些問(wèn)題，例如陰影的存在和照明的突然變化。然而，紅外圖像本身存在挑戰(zhàn)，這些挑戰(zhàn)使紅外圖像中的艦船目標(biāo)分割變得困難。為了解決該問(wèn)題，在基于神經(jīng)網(wǎng)絡(luò)的現(xiàn)有方法中，通常利用Hopfield 神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分割［36］，但Hopfield 神經(jīng)網(wǎng)絡(luò)的一個(gè)已確定問(wèn)題是難以選擇懲罰參數(shù)，盡管已經(jīng)提出了一些標(biāo)準(zhǔn)來(lái)解決該問(wèn)題，但它們很耗時(shí)。DZLAC 等［37］對(duì)它改進(jìn)了一些，提出了一種全局背景減法濾波器（GBSF）來(lái)抑制背景，以及一種自適應(yīng)行均值減法濾波器（ARMSF）來(lái)增強(qiáng)目標(biāo)。該方法有效地分割了紅外圖像中來(lái)自不同背景的不同尺寸的艦船目標(biāo)。此外Chen Z［38］提出了一種新穎的混合深度學(xué)習(xí)方法，該方法結(jié)合了改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)和基于卷積神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法，用于小型艦船檢測(cè)，有效的解決了傳統(tǒng)基于艦載雷達(dá)的物體檢測(cè)技術(shù)不適合進(jìn)行近距離和小型船舶檢測(cè)的問(wèn)題。Shuai Zhang［39］提出了一種基于模糊精確更新的對(duì)稱自適應(yīng)共振理論模型（Adaptive Resonance Theory，ART）的紅外弱光目標(biāo)檢測(cè)方法，該方法可以在各種情況和目標(biāo)下進(jìn)行。在變化的光照，連續(xù)的云，破碎的云，大海和復(fù)雜的地面的天空背景下進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該方法可以更好地增強(qiáng)目標(biāo)，消除干擾。Zhu X［40］開發(fā)了一個(gè)三層反向傳播神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)使用從導(dǎo)航器收集的調(diào)查數(shù)據(jù)進(jìn)行訓(xùn)練，表達(dá)可見(jiàn)性和船舶操縱性的影響，并對(duì)各種情況做出快速反應(yīng)。

此外Zhang Y［41］等提出了基于頻率變化的BP神經(jīng)網(wǎng)絡(luò)智能方法，可以很好地定位和量化船舶結(jié)構(gòu)的損傷。Allouche M K 等［42］使用基于自組織特征映射網(wǎng)的方法解決了戰(zhàn)時(shí)對(duì)艦船受到魚雷（反潛戰(zhàn)），其他艦船（反水面戰(zhàn)）或敵機(jī)（反空戰(zhàn)）發(fā)射的導(dǎo)彈的各種威脅進(jìn)行優(yōu)先級(jí)劃分和分類的穩(wěn)定性問(wèn)題。

上述是基于數(shù)據(jù)支撐的輔助決策技術(shù)的相關(guān)研究，結(jié)合風(fēng)險(xiǎn)評(píng)估進(jìn)行智能化的損管輔助決策來(lái)保障艦船生命力是我們的最高目標(biāo)。

6 數(shù)據(jù)挖掘新技術(shù)在艦船安全領(lǐng)域的前沿發(fā)展

為了更好地開展艦船安全技術(shù)研究，準(zhǔn)確進(jìn)行生命力評(píng)估、風(fēng)險(xiǎn)預(yù)測(cè)以及損管輔助決策等，我們還有必要談一談深度學(xué)習(xí)算法，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)（Machine Learning，ML）領(lǐng)域中一個(gè)新的研究方向，是源于對(duì)神經(jīng)網(wǎng)絡(luò)的進(jìn)一步研究，它與神經(jīng)網(wǎng)絡(luò)模型密切相關(guān)。

國(guó)防大學(xué)的陶九陽(yáng)等［43］提到，智能態(tài)勢(shì)感知理解和自主決策是目前人工智能亟待解決的領(lǐng)域，是通向真正意義的智能化戰(zhàn)爭(zhēng)的關(guān)鍵一環(huán)。AlphaGo 的成功極有可能帶來(lái)這類智能軍事決策的突破。這其中就不乏在船舶安全技術(shù)中智能化決策的參考。不久，在2020 年8 月［44～45］，美國(guó)國(guó)防高級(jí)研究計(jì)劃局（DAPRA）的戰(zhàn)略辦公室（STO）主持的一場(chǎng)令人矚目的人機(jī)模擬空戰(zhàn)-“阿爾法狗斗”（AlphaDogfight）比賽中，以赫倫系統(tǒng)公司（Heron Systems）的AI 算法5：0 完勝了F16 飛行教官Banger，也驗(yàn)證了現(xiàn)代戰(zhàn)爭(zhēng)演變?yōu)榘嗟娜藱C(jī)協(xié)同甚至是無(wú)人系統(tǒng)的自主決策趨勢(shì)不可阻擋。

這對(duì)艦船安全領(lǐng)域相關(guān)技術(shù)有不少的借鑒意義。例如在防撞決策方面［46］，諸如神經(jīng)網(wǎng)絡(luò)和模糊邏輯之類的人工智能方法已應(yīng)用于該問(wèn)題。如今，船員可以通過(guò)雷達(dá)，自動(dòng)識(shí)別系統(tǒng)（AIS）和其他系統(tǒng)獲取周圍船只的交通數(shù)據(jù)。然而，與預(yù)期相反，過(guò)多的信息會(huì)分散官員的注意力，并經(jīng)常導(dǎo)致錯(cuò)誤的決策，目前已經(jīng)可以通過(guò)使用深度學(xué)習(xí)結(jié)合其他算法提高船舶的自動(dòng)化程度來(lái)有效地減少大量的碰撞［47～48］。

7 結(jié)語(yǔ)

通過(guò)上述探究分析，無(wú)論是在船舶目標(biāo)和航跡的識(shí)別——用于防撞防擱淺，火災(zāi)和破損進(jìn)水的識(shí)別，穩(wěn)性和浮性的預(yù)測(cè)，還是對(duì)艦船安全有影響的損害和威脅進(jìn)行及時(shí)而精確的類型、等級(jí)的劃分等方面，利用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行數(shù)據(jù)分析與挖掘在目前國(guó)內(nèi)外都取得了一些進(jìn)展。但是相關(guān)的應(yīng)用開發(fā)還具有很大空間，從當(dāng)前的情況出發(fā)，可以從兩個(gè)方面進(jìn)行考慮，能夠在提升艦船安全性，保障艦船生命力上提供重要思路。

一方面是艦艇無(wú)人化。無(wú)人水面艦艇將對(duì)現(xiàn)有的安全技術(shù)會(huì)產(chǎn)生重要革新，由于人為失誤可能是許多海上事故的成因［49～50］，同時(shí)保障艦船人員生命安全是大多數(shù)艦船安全技術(shù)首要考慮的因素，因此通過(guò)操作海上無(wú)人水面艦艇或者是無(wú)人水面艦艇自主操作可能比傳統(tǒng)的載人艦船更安全。即使發(fā)生事故，更少的船員或無(wú)人駕駛船也可能導(dǎo)致更少的死亡和傷害［51］。因此這項(xiàng)內(nèi)容的發(fā)展會(huì)讓現(xiàn)有艦船安全相關(guān)技術(shù)遇到的許多問(wèn)題得到很大程度上的解決。

但是在安全方面，無(wú)人艦艇目前也還存在一定的問(wèn)題。比如戰(zhàn)時(shí)網(wǎng)絡(luò)保障，能否應(yīng)對(duì)敵方的網(wǎng)絡(luò)攻擊；對(duì)于有人操作的無(wú)人艇如何避免人為失誤的影響；在設(shè)備故障時(shí)如何保證無(wú)人艦艇的安全返航；尤其是無(wú)人駕駛的船舶對(duì)潛在事故的反應(yīng)仍不確定，尚不能證明它在氣象海洋狀況不好時(shí)在面對(duì)有人船，或者海上小型物體能夠正確檢測(cè)和識(shí)別、安全操縱來(lái)避免發(fā)生碰撞，這些方面還缺乏比較系統(tǒng)的研究［52］。

另一方面是改善或者提出新的神經(jīng)網(wǎng)絡(luò)模型或算法來(lái)解決艦艇安全技術(shù)中的數(shù)據(jù)挖掘問(wèn)題。比如利用紅外圖像、遙感圖像、雷達(dá)圖像、聲納圖像等進(jìn)行水面及水下目標(biāo)識(shí)別的綜合判斷，對(duì)其他多個(gè)航行船只的航跡預(yù)判，艦艇遭遇火災(zāi)、爆炸沖擊、破損進(jìn)水時(shí)進(jìn)行完善的輔助決策等。

因?yàn)榛谏鲜龇治?，在艦艇安全中我們?duì)學(xué)習(xí)數(shù)據(jù)，分析數(shù)據(jù)的方法不論是采用哪種神經(jīng)網(wǎng)絡(luò)模型，目前基本上都是這樣一個(gè)過(guò)程-建立模型，選擇算法從而進(jìn)行預(yù)先學(xué)習(xí)。這也許可以取得不錯(cuò)的效果，但是也要知道，這個(gè)世界不是一成不變的，人類學(xué)習(xí)有一個(gè)關(guān)鍵特征：對(duì)不斷變化的任務(wù)和連續(xù)的經(jīng)驗(yàn)具有魯棒性［53］，這也是現(xiàn)代神經(jīng)網(wǎng)絡(luò)的局限性，從上世紀(jì)各類神經(jīng)網(wǎng)絡(luò)模型概念提出發(fā)展到如今［54～56］，其內(nèi)容已經(jīng)得到極大豐富，尤其是以深度學(xué)習(xí)得到深度神經(jīng)網(wǎng)絡(luò)為代表的新一代神經(jīng)網(wǎng)絡(luò)技術(shù)也彰顯了這一領(lǐng)域強(qiáng)大的生命力，這對(duì)于將艦艇安全技術(shù)的數(shù)據(jù)挖掘是一個(gè)很好的啟示，或許可以基于此方向開發(fā)更多基礎(chǔ)性的神經(jīng)網(wǎng)絡(luò)算法作支撐。在艦艇安全領(lǐng)域如果對(duì)于基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘有更大野心，在未來(lái)應(yīng)當(dāng)將目光放在艦船的自動(dòng)化系統(tǒng)能夠在自主模擬的動(dòng)態(tài)環(huán)境中，自主地學(xué)習(xí)、持續(xù)地學(xué)習(xí)以到達(dá)“終生學(xué)習(xí)”的目標(biāo)，擺脫平時(shí)訓(xùn)練所難以實(shí)現(xiàn)的情況，從而準(zhǔn)備好趨于完善的戰(zhàn)時(shí)應(yīng)對(duì)方案［56］。