基于模糊神經網絡的內河船體結構智能審圖系統的開發研究

摘 要：依照《鋼質內河船舶入級與建造規范》（2002），在內河船體結構規范審圖系統的基礎上，利用模糊神經網絡原理和可視化編程工具VB，開發內河船舶船體結構智能審圖系統。

關鍵詞：模糊神經網絡；內河船體結構；智能審圖系統；VB

中圖分類號：U662 文獻標志碼：A文章編號：1671-7953(2009)01-0001-05

Study and Development on the Intelligent Plan Approval of

Inland Hull Structure Based on the Fuzzy Neural Network

CHEN Wei

（Jianghuai Ship Inspection Bureau of Anhui province，Hefei 230011，China）

Abstract: According with the“Rules and Regulations for the Construction and Classification of Steel Ships Navigating on Inland Waterways”(2002)，the paper uses the principle of the fuzzy neural network and VB to develop the Intelligent Plan Approval of the Inland Hull Structure，based on the Plan Approval of rules and regulations of Inland Hull Structure.

Key words: fuzzy neural network；inland hull structure；intelligent plan approval；VB

船舶事業的快速發展，科學技術的不斷進步以及國內擴大內需的政策傾向促使內河航運需求迅猛發展，隨之而來的就是內河船舶的大量建造，這給船檢機構帶來了嚴峻的挑戰。內河船舶主要依據《鋼質內河船舶入級與建造規范》（2002）（以下簡稱規范）進行設計與建造，規范要求條目繁瑣，計算量龐雜，并且結構計算說明書也需要進行整理輸出［1］，給船舶設計單位及船檢審圖工作帶來了困難。為節省船檢審圖時間及船舶設計單位工作量，同時也為船東創造更好的經濟效益，本課題在內河船體結構規范審圖系統的基礎上，開發研究了內河船體結構智能審圖系統，該系統分為兩大部分，即：①船體結構的規范審查；②船體結構的合理性審查。本文簡要介紹規范審查開發的過程，并在此基礎上重點介紹船體結構的合理性審查，船體結構合理性審查主要依據有關專家經驗的總結和對現有船舶資料的分析，運用模糊神經網絡原理對船體結構構件的合理性做出綜合評判。通過專家對樣本船的評判打分，將其作為訓練樣本，輸出為滿意度，并把訓練結果存儲在網絡中，新船的評判通過訓練網絡得出評判結果。用戶使用該軟件可以依次對船舶底部、舷側、甲板和其他結構部分進行板材、標

準型材和組合型材的規范校核和合理性的判斷。

1 船體結構的規范審查

船體結構的規范審查是船體結構智能審圖系統的重要組成部分，也是船體結構合理性審查的前提。鋼制內河船舶依據《規范》的要求進行設計與建造，本課題把船體的各個部分按照型材的類型進行分類，依次按照規范條款的要求對船舶底部、舷側、甲板和其他結構進行板材、標準型材和組合型材的規范校核進行可視化編程。

1.1 基于SQL Server 2000的標準型材數據庫的建立

本課題選用Microsoft公司的SQL Server 2000數據庫管理系統建立標準型材數據庫，為系統的運行提供后臺基礎。該數據庫記錄了船舶結構標準型材產品的數據信息，是進行船舶構件尺寸設計和管理一體化的后臺依據。本節就以不等邊角鋼為例介紹該數據庫建立的過程。

根據文獻［2］提供的角鋼數據，建立存儲角鋼的型號、高度、寬度、厚度、截面面積等參數的數據庫。在VB環境中，利用ADO Data Combo控件綁定此數據庫，完成數據連接，再根據等邊角鋼設置的實際船體部位和本身尺寸參數，計算出其剖面模數和剖面慣性矩。設計和審圖人員在具體工作中，可以根據不等邊角鋼剖面模數或剖面慣性矩的具體要求，查詢不等邊角鋼數據庫中型號項進行校核，來完成型材設計［1］。

1.2 船體結構的規范審圖系統開發

圖2為規范審查系統的結構原理圖，本節以板材設計為例，簡要介紹設計思路及設計過程。

設計思路為：依照《規范》第二章對外板和甲板的要求，完成規范要求船體板材的程序編寫工作和設計者或審圖驗船師輸入板材的相關數據后，系統將根據規范具體條款要求計算出規范對板材厚度或寬度的要求，并將其顯示在可視化界面上，再根據計算結果提示，通過對板材數據庫的訪問、查詢，選取相關型號的板材。

設計過程為：1）輸入相關數據：船舶類型、船舶參數、骨架樣式及間距等；2）依據規范計算外板具體要求，根據結果選擇合適的板材尺寸。

圖3為外板設計時的界面：

2 船體結構的合理性審查

完成了船體結構規范審查后，驗船師要結合內河船舶結構復雜性判斷船體結構的合理性。本課題運用模糊神經網絡進行綜合評判。模糊神經網絡（Fuzzy Neural Network）是運用模糊數學方法與模糊技術以及神經網絡建立起來的人工系統，它可以進行模糊推理、模糊決策等。

在船舶設計階段，由于船體構件和設計因素的復雜性，船體結構具有不確定性，即使在設計完成后，對船舶結構的各個構件甚至整個構件組合也難以獲得一致的評價。為此，本課題首先采集了一定數量的船舶樣本，通過調研征求專家對每條船的評價，得到模糊神經網絡的訓練樣本，把專家最終的評價作為網絡輸出，通過把專家評價結果量化，輸入相應的專家滿意度，得到樣本的模糊神經網絡，經過訓練，輸入新船的相關評價指標滿意度后，得到網絡對船體結構構件的最終評價結果。

2.1 船舶樣本的采集

2.2 創建神經網絡訓練樣本

由于板材構件的指標因素少，在工程實際中板材的厚度起著較大的決定性作用。因此，對板材的綜合評判不再采用模糊神經網絡這種復雜的方法，而是利用神經網絡訓練樣本，訓練出既滿足規范又切合實際的板材厚度，再通過判斷板材的厚度滿足規范要求后，根據現有船舶的資料來判斷所審查的板材是否合理。本課題建立了以船長、船寬、型深、吃水和板材厚度為輸入，以厚度滿意度的大小為輸出的神經網絡。

對于標準型材和組合型材，則利用模糊神經網絡進行綜合評判，對構件的合理性組合給出評判，把影響構件的4個評估指標（構件的剖面模數、構件的結構形式、腹板的高厚比、面板的寬厚比）的滿意度作為網絡輸入，把最終的評估結果作為輸出，即輸入節點為4個，輸出節點為一個，如圖4所示。

2.3 確定綜合評判中指標權重

船體結構綜合評判中，權重的確定十分重要，它直接影響評判的結果。模糊神經網絡具有學習功能，通過對大量數據的反復學習，得到最優的權重分配，使其在給定的精度范圍內合理可靠。（1）式為確定權重的模糊神經網絡方法［3-4］：

綜合評判的模型為：

W R=B……0rij1（1）

其中，W = （W1，W2，W3，W4）為權向量，R=（rij ）為n行m列的評判矩陣，0rij1 ，

i =1，2，3…； j=1，2，3…； B＝（b1，b2，b3，b4）為評判結果向量。此模型的神經網絡結構如圖5所示，它是一個五層前饋神經網絡。X＝｛x1，x2，x3，x4｝是因素集，視為輸入的第一層，第二層rij為第i個因素與第j個評語具有的模糊關系的程度，第二層與第三層之間的連接wi即為所要求的權重，第四層是取大運算，最后是輸出層bj，j=1，2，…，m。這是一個典型的不含反饋的前向多層網絡，這個算法的學習過程，由正向傳播和反向傳播組成。

確定權重的模糊神經網絡的學習算法為：

設b*j，j = 1，2，…，m為期望輸出，使用平方型誤差函數

E=12∑mj=1（b*j-bj）2

權重調節的算法步驟為：

（1）給定初始值wi（0），評判矩陣的學習樣本R1，R2，…，Rp，期望輸出向量B*1，B*2，…，B*p并給定誤差ε，記wi（t）為t時刻第i個輸入的權重，i= 1，2，…，n；

（2）隨機選出一組樣本Rp1和期望輸出Bp1，記p1=1；

（3）計算實際網絡輸出 ＝Bp1=（b1p1，b2p1，…，bmp1，）；

（4）計算‖Bp1-Bp1*‖＝∑mi=1（bp1i-b*ip1）2，若 ‖Bp1-Bp1*‖＞ε則轉入下一步， 否則回到（2）；

（5）調整網絡權值為：

Δwi=wi（t+1）-（t）=∑j=1Ebjw=∑j=1（b*j-bj）rij；

（6）按新的權值計算網絡的輸出和總誤差，若每個樣本都滿足‖Bp-B*p‖＜ε，即對每個樣本均穩定不變，則停止迭代，否則再回到（2）。

2.4 確定綜合評判中的評判矩陣

權重確定以后，綜合評判的另一難點是確定單因素評判矩陣。首先選擇圖6的模糊神經網絡結構［5-6］。與圖5比較，該網絡結構圖僅在第二層與第三層之間有所變化，第二層輸入的權重wi，是上面已經通過權重調節方法所確定的權系數，第二層與第三層之間的連接 rij即為要求的評判矩陣的元素。顯然，這里要求出的rij共有n×m個，這比權重調節方法更復雜，本課題選用迭代法，步驟如下：

（1）給定初始評判矩陣R（0），期望輸出向量B*＝（b*1，b*2，…，b*m），并給定誤差ε，記R（t）為t時刻的評判矩陣；

（2）對于R（t），由 WR（t）=B（t），計算實際網絡輸出B（t）=（b（t）1，b（t）2，…，b（t）m）；

（3）計算‖B（t）-B*‖＝∑mi=1（bti-b*i）2，若 ‖B（t）-B*‖＞ε轉入下一步，否則回到（2）；

（4）修正評判矩陣，記E=12∑mj=1（btj-b*j）2，因

Vrij=rij（t+1）-rij（t）=∑jEbjbjrij=∑j（bti-b*i）2wi

故Vrij=rij（t+1）=rij（t）∨ ∨（（b（t）j-b*j）∧wi）；

（5）對于求出的R（t+1），重復（2）和（3），若滿足‖B（t+1）-B*‖＜ε，轉入下一步，否則還回到（2）；

（6）比較R（t）與R（t+1），若對給定的誤差ε，max｛（rij（t+1）-rij（t））｝＜ε，則R（t+1）即為所求，停止迭代，否則再回到（2）。

圖6 確定評判矩陣的模糊神經網絡結構

2.5 程序的算法實現

調整權重和評判矩陣的具體程序算法如下：

（1）給定初始評判矩陣R（0），期望輸出向量B*＝（b*1，b*2，…，b*m，），給定誤差ε，記 R（t）為t時刻的評判矩陣；

（2）計算每個因素的最大隸屬度G（t）=（g（t）1，g（t）2，…，g（t）n）T，其中，g（t） i=g（t） i1∨g（t） i2∨…∨g（t） im，i=1，2，…，n；

（3）計算評判矩陣的偏差，記為R＇（t）：

R＇（t）=

g（t）1－r（t）11

g（t）2－r（t）21 …

g（t）1－r（t）1m

g（t）2－r（t）2m

………

g（t）n－r（t）n1 … g（t）n－r（t）nm

=

r′（t）11

r′（t）21 …

r′（t）1m

r′（t）2m

… … …

r′（t）n1…r′（t）nm

（4）計算權重向量W（t）=（W（t）1，W（t）2，…，W（t）n），其中

W（t）i=∑mj=1r′（t）ij ∑ni=1∑mj=1r′（t）ij

（5）對于R′（t），計算出實際網絡的輸出B（t）=（b（t）1，b（t）2，…，b（t）m）；

（6）計算誤差‖B（t）－B*‖∑mi=1（b（t）i－b*i）2，若 ‖B（t）－B*‖＞ε，轉入下一步；

（7）修正評判矩陣，記E=12∑mj=1（b*i-b（t）i）2，因Vrij=r（t+1）ij-r（t）ij=∑jEbjbjrij=∑j（b*j-btj）2w（t）i故Vr（t+1）ij=r（t）ij+Vrij；

（8）對于求出的r（t+1）ij，重復（2）至（5），若滿足‖B（t）－B*‖ <ε，轉入下一步，否則回到（2）；

（9）比較的R（t+1）和R（t），對給定的ε，若max｛（r（t+1）ij-r（t）ij）｝<ε，則R（t+1）即為所求，停止迭代，否則回到（2）。

圖7為經過上述章節步驟得到的船體結構模糊綜合評判模塊，本文以甲板橫梁的樣本訓練為例，選擇20條船舶的相關評價作為學習樣本輸入網絡，其對應的船體結構構件最終滿意度也有專家給出，網絡經過學習后把有價值的信息存儲在網絡中，得到圖8所示的甲板橫梁模糊神經網絡評判模塊。

圖7 模糊綜合評判模塊

圖8 甲板橫梁模糊神經網絡評判模塊

3 結論

本文在內河船舶規范審圖系統的基礎上，基于模糊神經網絡對船體結構的合理性審查進行了研究，進而開發了船舶智能審圖系統，得到了比較滿意的結果。船舶結構審圖軟件系統正朝著集成化的方向發展，因此結構規范法設計軟件的開發應該考慮處理好規范設計和有限元計算的關系，使兩者間的數據傳遞成為了可能。

參考文獻

［1］ 畢永明.基于VB的內河船體結構規范審圖系統的開發研究［J］.中國水運.2008（8）：22-24.

［2］ 中國船級社.鋼質海船入級與建造規范［M］.北京：人民交通出版社：2002.

［3］ 夏國清.水面艦船動力定位系統智能控制技術研究［D］. 哈爾濱.哈爾濱工程大學，2001.

［4］ COENENFP，SNEATONGP，BOLEAG. Knowledge.based collision avoidance ［J］.The Journal of Navigation，1989，42 （1）：7-12.

［5］ 李士勇.模糊控制、神經網絡控制和智能控制論［M］. 哈爾濱.哈爾濱工業大學出版社，1996.

［6］ INAISH M. Building method and application of neural network system for navigation［R］ . Lateral Symposium of Sino2Japanese Navigation Institute，1992.

［7］ 吳 楓，劉 敏.《Visual Basic6.0/net 新概念百例》［M］.2004年版.西安.陜西科學技術出版社，2004（4）.20-100.

［8］ 阮景華，石明權.內河鋼船船體結構設計審核系統［J］.廣西交通科技，1999.024(Z1).

［9］ 劉寅東，唐煥文.船舶設計決策理論與方法［M］. 2006年版. 北京：高等教育出版社，2006.3.

［10］ 張文華.內河鋼船結構規范設計計算程序(CCSRP) ［J］.中國船檢，2000（2）.

［11］ 劉曉波.正確應用規范提高船體結構設計水平［J］.中國水運，2006（7）

［12］ 鄧 波．船舶結構規范法設計軟件開發［D］.大連：大連理工大學，2006.

收稿日期：2008-11-08

修回日期：2008-11-27

作者簡介：沈藝超（1983-），男，學士，助理工程師。

研究方向：工程測量。