资源描述:
《基于BP神经网络的船舶动力装置综合安全评价》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、大连海洋大学船舶与海洋工程风险评估Riskassessmentofshipandoceanengineering基于BP神经网络的船舶动力装置综合安全评价研究领域:船舶与海洋工程(专硕)姓名:邓英杰学号:2015085223012基于BP神经网络的船舶动力装置综合安全评价摘要:本文依据BP神经网络基本原理,将其应用在船舶动力装置的安全评价中。提出了基于神经网络理论得船舶动力装置综合安全评价模型及实现方法,例证了该方法的可行性,提高了船舶动力装置的安全综合评价水平。关键词:船舶动力装置;BP神经网络;
2、综合安全评价评价技术最先起先与上个世纪30年代的保险业,70年代初,日本、欧美等国才开始将安全评价应用到航运业中。我国直到上个世纪80年代末菜逐步将安全评价技术应用到航运业中。目前,航运业认可的安全评价法主要有:事故树分析法、模糊综合评价法、灰色系统理论评价方法以及国际海事组织IMO提倡的由英国海运界提出的综合安全评价(FSA)法。船舶动力装置是船舶的心脏,其状况直接决定了船舶的整体安全性,因此有必要提高船舶动力装置的安全评价水平,更新安全评价方法。然而在实际应用中,上述方法都具有一定的局限性,且应
3、用不够成熟,而且船舶动力装置工作环境恶劣,工作过程复杂,一旦发生事故,将造成严重的经济损失,适用于船舶动力装置的安全评价方法就更少了。人工神经网络是由大量神经元广泛连接而成的网络,通过样本学习,能够自动实现输入、输出之间的映射关系,能够以任意精度逼近非线性函数。本文基于这种考虑提出了基于BP神经网络的船舶动力装置综合安全评价法。一、人工神经网络的基本原理按照网络的拓扑结构和运行方式,神经网络模型分为前馈多层式网络模型、反馈递归式网络模型、随机型网络模型等。目前应用最为广泛的模型是BP神经网络,即反向
4、传播神经网络,它包括一个输入层、若干个隐含层、一个输出层,各层次之间的神经元形成全互连接,各层次内的神经元之间没有连接。在船舶动力置安全评价中,采用如图1的神经网络,为三层神经网络,分别为:一个输入层,一个隐含层和一个输出层。设输入层有7个神经元,隐含层有35个神经元,输出层有1个神经元。一、船舶动力装置安全评价模型的建立BP神经网络模型包括输入输出模型、作用函数模型、误差计算模型和自学习模型。我们建立如2图所示的模型。(1)输出模型隐藏节点的输出模型为:输出节点输出模型为:其中,为非线性作用函数,
5、表示隐含层到输出层的连接权,表示从隐含层到输出层的阈值,表示输入层到隐含层的连接权,表示输入层到隐含层的阈值。(1)作用函数模型作用函数是反映下层输入对上层节点刺激脉冲强度的函数,又称刺激函数,一般取(0,1)内连续取值的Sigmoid函数。(2)误差计算模型误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数,对于只有一个输出神经元,P个样本学习时,其总误差为:其中,为i节点的期望输出值,为i节点计算输出值,P为学习样本个数。(3)自学习模型神经网络的学习过程,即连接下层节点和上层节点之
6、间的权重矩阵的设定和误差修正过程。BP网络有有师学习方式(需要设定期望值)和无师学习方式(只需要输入模式)之分。自学习模型为:式中:为学习因子;为输出节点i的计算误差;为动量因子;为输出节点j的计算输出。三、船舶动力安全评价实例(1)船舶动力装置网络拓扑结构设计根据船舶动力装置安全评价体系,分为7个子系统,每个子系统作为网络的一个输入,故确定网络的输人层输入个数为7个。评价得出的船舶动力装置整个系统的安全系数作为网络的输出,则输出层的输出个数确定为1个。在此评价系统中,选取一个隐含层。隐含层神经元个
7、数的选取目前还没有通用的成熟理论指导,但是它的个数的选取对网络的精度有重要的影响,个数较少,收敛度低,个数过多,训练时间较长,还容易出现“过渡训练”现象。根据有关资料显示,通常取为输入层神经元个数的5倍。本文隐含层选取35个神经元。(2)船舶动力装置网络学习样本的选择由于船舶动力装置的安全评价工作是件细致而复杂的工作,在船舶动力装置安全评价中,首先根据安全评价因素及相关资料制定出检查项目,逐一检查,得出子系统的评价结果,最后可以利用综合模糊评价、层次分析法等得出系统的安全状态参数。下面就某公司的5艘
8、船中4条的检查结果为训练样本,见表1。(1)BP网络的训练与评价该网络的学习率取:lr=0.85,动量系数取:mc=0.20,最大的训练误差为,最大迭代次数为:20000,传递函数采用非线性S形函数。对网络网络进行训练,当迭代到20000次时,最大网络误差已小于,虽没有达到预设的最大网络误差,但根据表2的单项误差表所示,此时网络已满足需求。从表2的结果可以看出该评价方法能够较好地反映船舶动力装置安全状况,与实际相比误差较小。四、结论将BP神经网络同船舶动力装置安全评价