基于人工智能的舰艇智能辅助决策系统
发布时间：2022-02-13 21:29
现有的舰艇智能辅助决策系统在依据引导报文,计划引导中存在人工干预,使得舰艇在多目标会遇情况下存在碰撞危险。为此,设计基于人工智能的舰艇智能辅助决策系统。引用Agent智能体作为主体,通过UM2455和MC9S12NE64实现与其他Agent的交互。在硬件设计的基础上,建立决策模型,计算各决策方案综合评分,依据评分高低筛选出最佳方案,通过Agent执行,达到智能辅助决策的目的。实验结果表明,与传统的舰艇智能辅助决策系统相比,设计的基于人工智能的决策系统综合碰撞危险度为0,说明在多目标会遇情况下舰艇发生碰撞危险的概率极低。
【文章来源】：舰船科学技术. 2020,42(14)北大核心
【文章页数】：3 页
【部分图文】：
Agent内部结构示意图Fig.1SchematicdiagramoftheinternalstructureofAgent
处理后，表示为，即X=X11X12...X1nX21X22...X2n............Xm1Xm2...Xmn，(3)则规范化决策矩阵的下级矩阵为：Xij=x11x12...x1nx21x22...x2n............xm1xm2...xmn。(4)以上矩阵中Xij为方案集的属性，根据得到的规范化矩阵，计算各决策方案的多目标综合评价值，按照分值高低排序，得到最佳方案，通过智能体Agent执行最佳方案。图2MC9S12NE64内部结构示意图Fig.2MC9S12NE64internalstructurediagram第42卷何水静：基于人工智能的舰艇智能辅助决策系统·71·
椋?ü?抡婕锹际?莸恼?砗头?析，对比不同智能辅助决策系统的实际性能。当1艘与2艘或2艘以上的舰艇相遇，将构成碰撞危险，正确地确定重点避让舰艇是智能辅助决策的基矗为此，本文利用综合碰撞危险度R模型，判断目标舰艇下一步行动的难易程度。综合碰撞危险度包括潜在碰撞危险度κ与几何碰撞危险度α，其中，潜在碰撞危险度κ表示为行驶员驾驶舰艇负担的大小，而几何碰撞危险度α表示为通过几何角度验证将来可能碰撞的程度，多舰艇会遇局面仿真实例的航行态势如图3所示。图3多舰艇会遇局面仿真航行态势图Fig.3Multi-shipencountersituationsimulationnavigationsituationdiagram图中，Warship1位置为122°08"41.9""，61°12"13.7""，航向为180°，Warship2的位置为102°12"23.6""、60°10"43.8""，航向为245°，Warship3的位置在127°09"12.3""，41°08"42.8""，航向为349°，Warship4位置为107°04"36.7""，51°12"03.6""，航向为100°。以War-ship4为本舰艇，其他3个为目标舰艇分析，使用不同的智能辅助决策系统仿真运动，获得本舰艇与目标舰艇之间的会遇参数。基于GIS的决策系统实验结果如表1所示。基于EJB组件的决策系统实验结果如表2所示。设计的基于人工智能的决策系统实验结果如表3所示。对比观察3组实验结果，可以看出，本舰艇与3艘目标舰艇构成交叉相遇的局面，表1结果显示综合碰撞危险度较高，表2综合碰撞危险度结果虽然低于表1结果，但是依然存在碰撞危险，而表3结果显示，综合碰撞危险度为0.0。通过上述仿真实例的验证及数据分析，可以得出设计
【参考文献】：
期刊论文
[1]战机自主作战机动双网络智能决策方法[J]. 潘耀宗,张健,杨海涛,袁春慧,赵洪利. 哈尔滨工业大学学报. 2019(11)
[2]基于MVC模式的水库施工期防洪度汛决策支持系统设计与开发[J]. 赵乔,望建成,范正行,艾显明,徐俊,王琦. 水力发电. 2019(09)
[3]基于全维度的电力变压器智能决策支持系统研究[J]. 张珂斐,郭江,陈红坤. 电测与仪表. 2019(13)
[4]基于深度学习的人工智能设计决策模型[J]. 王亚辉,余隋怀,陈登凯,初建杰,刘卓,王金磊,马宁. 计算机集成制造系统. 2019(10)
本文编号：3623950
【文章来源】：舰船科学技术. 2020,42(14)北大核心
【文章页数】：3 页
【部分图文】：
Agent内部结构示意图Fig.1SchematicdiagramoftheinternalstructureofAgent
处理后，表示为，即X=X11X12...X1nX21X22...X2n............Xm1Xm2...Xmn，(3)则规范化决策矩阵的下级矩阵为：Xij=x11x12...x1nx21x22...x2n............xm1xm2...xmn。(4)以上矩阵中Xij为方案集的属性，根据得到的规范化矩阵，计算各决策方案的多目标综合评价值，按照分值高低排序，得到最佳方案，通过智能体Agent执行最佳方案。图2MC9S12NE64内部结构示意图Fig.2MC9S12NE64internalstructurediagram第42卷何水静：基于人工智能的舰艇智能辅助决策系统·71·
椋?ü?抡婕锹际?莸恼?砗头?析，对比不同智能辅助决策系统的实际性能。当1艘与2艘或2艘以上的舰艇相遇，将构成碰撞危险，正确地确定重点避让舰艇是智能辅助决策的基矗为此，本文利用综合碰撞危险度R模型，判断目标舰艇下一步行动的难易程度。综合碰撞危险度包括潜在碰撞危险度κ与几何碰撞危险度α，其中，潜在碰撞危险度κ表示为行驶员驾驶舰艇负担的大小，而几何碰撞危险度α表示为通过几何角度验证将来可能碰撞的程度，多舰艇会遇局面仿真实例的航行态势如图3所示。图3多舰艇会遇局面仿真航行态势图Fig.3Multi-shipencountersituationsimulationnavigationsituationdiagram图中，Warship1位置为122°08"41.9""，61°12"13.7""，航向为180°，Warship2的位置为102°12"23.6""、60°10"43.8""，航向为245°，Warship3的位置在127°09"12.3""，41°08"42.8""，航向为349°，Warship4位置为107°04"36.7""，51°12"03.6""，航向为100°。以War-ship4为本舰艇，其他3个为目标舰艇分析，使用不同的智能辅助决策系统仿真运动，获得本舰艇与目标舰艇之间的会遇参数。基于GIS的决策系统实验结果如表1所示。基于EJB组件的决策系统实验结果如表2所示。设计的基于人工智能的决策系统实验结果如表3所示。对比观察3组实验结果，可以看出，本舰艇与3艘目标舰艇构成交叉相遇的局面，表1结果显示综合碰撞危险度较高，表2综合碰撞危险度结果虽然低于表1结果，但是依然存在碰撞危险，而表3结果显示，综合碰撞危险度为0.0。通过上述仿真实例的验证及数据分析，可以得出设计
【参考文献】：
期刊论文
[1]战机自主作战机动双网络智能决策方法[J]. 潘耀宗,张健,杨海涛,袁春慧,赵洪利. 哈尔滨工业大学学报. 2019(11)
[2]基于MVC模式的水库施工期防洪度汛决策支持系统设计与开发[J]. 赵乔,望建成,范正行,艾显明,徐俊,王琦. 水力发电. 2019(09)
[3]基于全维度的电力变压器智能决策支持系统研究[J]. 张珂斐,郭江,陈红坤. 电测与仪表. 2019(13)
[4]基于深度学习的人工智能设计决策模型[J]. 王亚辉,余隋怀,陈登凯,初建杰,刘卓,王金磊,马宁. 计算机集成制造系统. 2019(10)
本文编号：3623950
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/3623950.html
