基于神经网络的船舶自动舵控制算法研究与分析

为了研究不同神经网络模型对船舶自动舵性能的影响,实现了基于不同种类神经网络的自动舵控制系统算法仿真。将影响船舶航行的因素进行量化处理作为神经网络的输入;网络训练样本则来自上海海事大学高级船员考试系统中的记录,并对其中的数据进行优化筛选处理;采用DeepLearnToolBox工具实现对获取的样本进行有监督的训练。通过航行模拟实验可知,相较于传统浅层神经网络,基于深度神经网络的自动舵控制算法具有较小的误差及较高的控制精度,与资深船长的模拟操船误差最小仅为5.2%。