hrvatski

PRIMJENA NEURALNIH MREŽA U VIŠEKRITERIJSKOM KONCEPTUALNOM PROJEKTIRANJU RO-RO BRODOVA

U konceptualnom projektiranju, u brodogradnji, danas se koriste moderne metode višekriterijskog optimiranja, koje su po svom karakteru diskretnog tipa. U promatranom projektnom prostoru se generiraju točke slučajnim odabirom, te se odabiru Pareto optimalne točke. Tako dobivene točke predstavljaju približna rješenja problema, tj. one ne leže na stvarnoj hiper-plohi projektnih rješenja. Za problem aproksimacije to znači postojanje šuma u skupu podataka kojima opisujemo željenu funkciju. Osim toga, kako kompromisno rješenje nalazimo između tako definiranih točaka, ono je također približno, jer zbog diskretnih karakteristika metode optimiranja ne možemo odrediti najpovoljnije rješenje u odnosu na neko idealno rješenje problema. Na temelju, analizom postojećih Ro-Ro brodova, kreiranog konceptualnog projektnog modela izvodi se postupak višekriterijskog optimiranja. Taj projektni model je nešto složeniji od projektnih modela tankera i brodova za rasuti teret iz razloga što se dimenzije kod Ro-Ro broda biraju po zahtjevanoj duljini voznih traka, a ne po nosivosti. Osim toga, iz potrebe dobivanja informacije o karakteristikama projekta što se tiče stabiliteta broda u oštećenom stanju te pomorstvenih značajki, u projektni model Ro-Ro broda su uključeni i atributi raspodjele prostora na brodu te atributi pomorstvenosti. Ulazne veličine modela se, pritom, biraju između: duljine broda, širine broda, visine broda, gaza broda, te koeficijenata forme. Izabrane veličine predstavljaju projektne varijable. Izlazne veličine problema su projektni atributi, kojima opisujemo karakteristike projekta. Njihov broj nije ograničen, te ovisi o željama projektanata te mogućnostima projektnih alata. Hiper-ploha projektnih rješenja je neliearna ploha, te je za njeno opisivanje potrebno koristiti neki nelinearni alat. To su u ovom radu neuronske mreže, koje su po svojim karakteristikama nelinearne, te imaju sposobnost poopćavanja na osnovu skupa podataka za učenje i provjeru. Osnovna karakteristika neuronskih mreža je, osim toga, i mogućnost povezivanja višestrukih ulaza s višestrukim izlazima modela, što dodatno povećava primjenjivost neuralnih mreža za promatrani problem aproksimacije hiper-plohe projektnih rješenja dobivenih više-kriterijskom optimizacijom. Na temelju pogodnih test primjera odabire se najpovoljniji tip, arhitektura i metoda učenja mreže za postavljeni problem aproksimacije hiper-ploha. Primjenom teorije regulacije je, za problem sa šumom u podacima skupa za učenje, moguće odrediti optimalne vrijednosti sinaptičkih težinskih koeficijenata mreže. Optimiranje parametara regulacije vrši se metodama regresije po hrbatu, koje se temelje na principu minimiziranja varijance izlaznih veličina skupa za učenja. Upotrebom navedenih metoda i alata vrši se preslikavanje sa prostora projektnih varijabli na prostor projektnih atributa, i obrnuto. Inverzno preslikavanje, tj. preslikavanje sa prostora projektnih atributa na prostor projektnih varijabli, te određivanje njihove funkcijske zavisnosti je cilj ovog rada. Poznavanje funkcijske zavisnosti projektantu omogućuje da za izbor projektnih atributa dobije projektne varijable, koje su izlazne veličine konceptualne faze projektiranja. Za tu svrhu je kreiran program INVNEURO. Osim toga je kreirano još 10-tak programa za metode proračuna i neuronske mreže navedene u ovom radu. Kompromisno rješenje, određeno na temelju aproksimacije Neuronskim mrežama programom INVNEURO, se uspoređuje sa rješenjem dobivenim programom PARRAN, te se na osnovu toga određuje kvaliteta metode i njena moguća primjenjivost.

neuronske mreže; teorija aproksimacije; teorija regulacije; višekriterijsko konceptualno projektiranje; Ro-Ro brod

nije evidentirano