Assessment the collision risk level for an autonomous unmanned ship involving fuzzy logic and neural network technologies

Abstract

В работе предлагается решение задачи по оценке степени опасности столкновения с надводными объектами на море для автономного безэкипажного судна. Такая оценка в предлагаемой модели основывается на двух параметрах: ожидаемая дистанция и время кратчайшего сближения автономного безэкипажного судна с другими объектами, которые могут встретиться на траектории его движения. Разработана и описана модель на базе теории нечётких множеств, демонстрирующая удовлетворительное качество оценки степени опасности. Также в работе представлена усовершенствованная модель с применением теории искусственных нейронных сетей – адаптивная нейро-нечеткая сеть, улучшающая качество оценки степени опасности более чем на два порядка. В работе показаны результаты оптимизации параметров адаптивной нейро-нечёткой сети, обеспечивающей качественную оценку степени опасности столкновения безэкипажного судна, также представлены рассчитанные оценки качества как для нечёткой модели, так и для наилучшей нейро-нечёткой модели. The paper proposes a solution of the problem of assessing the collision risk level with surface objects at sea for an autonomous unmanned ship. Such collision risk level asses in the proposed model is based on two parameters: the distance at closest point of approach and the time to closest point of approach for autonomous unmanned ship with other marine surface objects that may meet on the trajectory of its movement. In this work developed and described model based on the theory of fuzzy sets, which demonstrates the satisfactory quality of assessing the collision risk level. The paper also presents an improved model using the theory of artificial neural networks - an adaptive neuro-fuzzy network that improves the assessment quality of collision risk level by more than hundredfold. The paper shows the results of optimization of the parameters of an adaptive neuro-fuzzy network, which provides a qualitative assessment of collision risk level for an unmanned ship, and presents the calculated quality estimates for both a fuzzy and the neuro-fuzzy model.