[发明专利]基于深度学习算法的无人船适航性评估方法

权利要求书

1.一种基于深度学习算法的无人船适航性评估方法，其特征在于，包括以下步骤：

构建无人船试航性的评估体系；

构建标准无人船试航环境，并搜集标准无人船的航行数据；

根据标准无人船的航行数据对评估体系进行计算，得到评估数据；

对评估数据加入深度学习算法进行计算，得到评估特征；

将所述评估特征代入逻辑回归算法，得到无人船适航性对比库；

将无人船在不同条件下的航行数据与无人船适航性对比库进行对比，用于评价无人船适航性；

所述评估体系包括三个评价指标：操纵性、耐波性和载荷性能；

所述根据无人船航行时相关数据对评估体系进行计算，包括：

基于船舶操纵性理论，通过CFD方法计算绕船体横剖面的扰动流，得到操纵性数据；

计算无人船的横摇参数、纵倾参数和垂荡参数，所述横摇参数、纵倾参数和垂荡参数为无人船的耐波性数据；

计算无人船载荷性能，生成载荷约束条件；

所述评估数据包括操纵性数据、耐波性数据和载荷约束条件；

所述对评估数据加入深度学习算法进行计算，包括：

逐层构建单层神经元；

将标准无人船的航行数据和评估数据分别放置于各层神经元中；

每层所述神经元训练完成后产生一个特征，将前一层的特征作为输入信号传导下一层进行训练，得到各层神经元的特征；

所述各层神经元的特征构成评估特征；

所述将所述评估特征代入逻辑回归算法，包括：

将各层神经元的特征代入逻辑回归算法，通过对各层神经元的特征分类边界的拟合来实现分类；

所述分类的训练过程通过如下公式迭代多次实现：

公式(13)中，O_j为第j神经网络隐含层输出。

2.根据权利要求1的基于深度学习算法的无人船适航性评估方法，其特征在于，所述构建标准无人船试航环境，包括：在4-5级海况条件下，确定标准无人船的最高航速不低于40kn；

所述搜集标准无人船的航行数据，包括：在标准无人船上安装各类传感器，并创建网络；设定各类传感器的传输参数的初始值及数据包的收集时间；搜集标准无人船的初稳性高度、航向、航速、波倾、波高和波长。

3.根据权利要求1的基于深度学习算法的无人船适航性评估方法，其特征在于，所述绕船体横剖面的扰动流通过如下公式计算：

公式(1)～(4)中，V为来流速度，N为无人船体横剖面上物面单位法向矢量；

因为位于点(y_i,z_i)处的强度为σ_j的源点在场点(y,z)处的扰动速度势为：

进而推出：

然后根据伯努利方程可得到相应的压力，再通过压力数值积分即可计算得到作用在无人船体横剖面上的水动力，即得到无人船操纵性数据。

4.根据权利要求1的基于深度学习算法的无人船适航性评估方法，其特征在于，所述横摇参数通过如下公式计算：

公式(7)～(10)中，φ为横摇角，可由船上的电罗经测得；a_m为有效波倾，d为造波区水深，T为周期，h为波高，λ为波长，U为流场初始速度；

所述纵倾参数通过如下公式计算：

公式(11)中：L为标准无人船的船长，C_p为纵倾周期系数；

所述垂荡参数与纵倾参数近似相等。

5.根据权利要求1的基于深度学习算法的无人船适航性评估方法，其特征在于，使用Sigmoid函数作为激活函数计算各层神经元的特征：

公式(12)中，x_i为输入，w_i为权值，t为阀值，O为神经网络隐含层输出。