0 引　言

传统的舰船航行安全评估方法存在一定的局限性，一方面，传统方法通常基于确定性的模型和指标，难以全面准确地反映舰船航行过程中的不确定性因素。例如海况、气象条件、人为操作等因素都具有很大的不确定性，传统方法难以对这些因素进行有效的量化和评估。另一方面，传统方法过于注重单一指标的评估，缺乏对舰船航行安全的综合考量。

模糊分析技术能够有效地处理舰船航行过程中的不确定性因素。通过构建模糊集和隶属函数，可以将模糊的、不确定的信息转化为可量化的数值，从而更好地反映实际情况。模糊分析技术可以实现对舰船航行安全的综合评估，通过构建多因素的模糊评估模型，可以将船体结构、动力系统、导航通信等多个方面的因素纳入评估体系，综合考虑各因素之间的相互关系和影响，从而为舰船航行安全提供更加全面、准确的评估结果。

目前国内将模糊分析方法应用在性能评估系统中的研究涉及多个领域，如王冠球等^[1]使用模糊分析法对装甲车辆的PHM系统进行性能评估，并使用层次分析法获取各性能指标的权重，进而得到装甲车辆PHM系统的整体性能状态；田争鸣等^[2]将模糊层次分析法应用到交流伺服的性能评估研究中；谭啸天^[3]设计了基于模糊分析法和层次分析法的船舶航行风险评估系统。本文基于模糊分析技术和自适应加权算法构建一个全面的舰船安全特性评估系统，以期提升舰船航行安全性。

1 舰船航行安全特性评估系统结构设计 1.1 舰船航行安全特性关键指标分析

1）船体结构稳定性。船体结构稳定性是舰船航行安全的重要基础。良好的船体结构设计和高质量的建造工艺是确保其稳定性的关键。船体结构稳定性包括结构强度、抗变形能力以及抗腐蚀性能3个二级指标。

2）动力系统可靠性。动力系统可靠性直接关系舰船的航行能力和安全。高质量的设备是动力系统可靠运行的根本，包括性能卓越的发动机、稳定的传动装置和高效的推进器等。动力系统可靠性包括动力输出稳定性、故障发生率以及维修便捷性3个二级指标。

3）导航与通信系统准确性。导航与通信系统是舰船安全航行的关键保障。高精度的导航设备和可靠的通信设备，以及先进的信号处理技术，能为舰船提供准确的位置信息和畅通的通信服务。导航与通信系统准确性包括定位精度、通信质量以及抗干扰能力3个二级指标。

4）气象与海况适应性。气象与海况适应性决定了舰船在不同海洋环境下的安全航行能力。合理的船体设计，如流线型外形、加强的结构和良好的稳性设计，能提高舰船在恶劣海况下的抗风浪能力。气象与海况适应性包括抗风浪能力、气象感知准确性以及应急响应能力3个二级指标。

1.2 评估系统结构设计

根据舰船航行安全特性评估系统的关键指标，设计评估系统的基本结构，如图1所示，评估系统包括数据采集模块、指标计算模块以及结果输出模块。

1）数据采集模块

数据采集模块包括各类传感器与数据采集设备，如应力传感器安装在船体关键部位，实时监测船体在不同海况下受到波浪力、水流力等外力作用下的应力变化情况，为评估船体结构强度和稳定性提供数据支持，温度传感器安装在发动机、传动装置和推进器等关键设备上，实时监测设备运行状态，以便及时发现过热问题。导航设备数据、通信设备数据以及电磁环境数据可以为导航与通信系统的准确性判断提供支持，气象传感器可以实时监测风向、风速、气压、温度等气象参数，为评估舰船在不同气象条件下的航行安全提供数据。

2）指标计算模块

指标计算是评估系统的核心模块，针对船体结构稳定性指标计算，依据应力传感器数据，运用有限元分析等方法计算船体在不同载荷下的应力分布和变形情况，结合无损检测结果与装载记录，算出重心位置、稳性高度等参数，以此评估船体强度、刚度及航行安全；动力系统可靠性指标计算：根据传感器数据计算关键性能指标，分析故障历史和维修记录得出可靠性指标，建立性能模型预测未来性能，为评估可靠性和制定维护计划提供支撑；导航与通信系统准确性指标计算：对位置精度、速度航向精度、信号稳定性、通信成功率、误码率、延迟及电磁干扰关联和兼容性优化数据等进行评估可以获得当前导航与通信系统的工作情况；气象与海况指标计算：根据气象传感器和海浪监测设备数据，采用流体力学方法计算舰船在不同气象海况下的受力情况，结合运动状态记录并计算横摇、纵摇、垂荡等参数，分析航行速度和油耗，以优化航线航速，提升经济性和环保性能。

这些指标计算只能获取舰船航行安全数据采集模块中各关键指标的评估结果，还需要对各关键指标在整个系统中的权重进行分析，以获取不同关键指标的重要性程度。

3）结果输出模块

该系统综合了可视化展示、报告生成和预警决策支持3个模块，通过图表、曲线图和虚拟现实技术直观呈现船体结构稳定性、动力系统可靠性以及对气象和海况的适应性，同时自动生成包含各项指标、评估结论和改进建议的详细报告，为船舶设计、制造、维护和管理提供科学依据。此外，系统还能在评估结果显示潜在风险时及时发出预警，并通过声光、短信等方式通知相关人员，提供决策支持，如建议在恶劣气象条件下调整航线或航速，以及在动力系统维护和故障排除方面提供指导，确保航行安全^[4]。

2 基于自适应加权算法和模糊分析法的安全特性评估 2.1 自适应加权算法设计

为了获取舰船航行安全各关键指标的权重，一般使用层次分析法进行计算，但是在舰船航行安全特性评估中，各个二级指标权重也不是固定不变。在舰船设备老化的过程中，设备状态因素对航行安全的重要性可能会逐渐增加，在恶劣天气条件下，海况因素的权重需要相应提高。基于层次分析法是一种静态分析方法，难以适应舰船安全特性的基本评估^[5]，本文提出一种基于自适应加权算法的舰船航行安全特性评估方案，其基本流程如图2所示。

1）初始化阶段。首先明确影响舰船航行安全的因素集，包括船体结构稳定性、动力系统可靠性、导航与通信系统准确性以及气象与海况适应性等因素，记为$ U = \{ {u_1},{u_2}, \cdots ,{u_n}\} $ ，为每个因素以及二级指标设定初始权重，这些初始权重可以基于专家经验、历史数据统计或先验知识来确定，记为$ {W_0} = \{ {w_{01}},{w_{02}}, \cdots ,{w_{0n}}\} $，同时还需要确定RLS算法所需的一些参数。

2）数据收集与模糊评估阶段。在舰船航行过程中，实时收集与各个影响因素相关的数据。根据预先设定的隶属函数和模糊关系，对收集到的数据进行模糊处理，得到每个因素对于不同模糊集合（如安全、较安全、危险等）的隶属度向量。

3）结果对比阶段。将每次通过模糊评估得到的结果与实际发生的航行安全事件进行对比。如果实际发生了事故，可以认为安全程度较低，评估结果中安全集合的隶属度应该较低，危险集合的隶属度应该较高；如果没有发生事故，那么安全程度相对较高，评估结果应该符合实际的安全情况。

4）偏差计算。根据对比结果计算偏差。偏差可以用多种方式衡量，计算评估结果与实际情况的差值向量$ \Delta {B_k} = {B_k} - {B_{actual}} $（其中，$ {B_{actual}} $是根据实际情况确定的一个理想的隶属度向量，如果发生事故，$ {B_{actual}} $中危险集合的隶属度为1，其他集合隶属度为0；如果没有发生事故，$ {B_{actual}} $中安全集合的隶属度为1，其他集合隶属度为0）。

5）权重更新阶段 。利用RLS算法更新权重，根据偏差$ \Delta {B_k} $，更新权重向量$ {W_k} $。RLS算法的更新公式如下：

首先，计算增益向量

${K_k} = {P_{k - 1}}{\varphi _k}{(\lambda + \varphi _k^{\rm T}{P_{k - 1}}{\varphi _k})^{ - 1}}。$

式中：K_k为由各个因素的隶属度向量组成的列向量，$ {\varphi _k} = {[R_1^{\rm T},R_2^{\rm T}, \cdots ,R_n^{\rm T}]^{\rm T}} $。

然后，更新权重向量

${W_k} = {W_{k - 1}} + {K_k}\Delta {B_k}。$

最后，更新协方差矩阵

$ {{\boldsymbol{P}}_k} = \frac{1}{\lambda }({P_{k - 1}} - {K_k}\varphi _k^{\rm T}{P_{k - 1}}) 。$

如果权重发生变化，将更新后的权重向量应用于下一次的航行安全评估中，重复上述数据收集、评估、对比、偏差计算和权重更新的过程，不断优化权重估计值，使其更符合实际的航行环境和安全情况。若权重无变化，则直接输出结果。图3为不同风力等级下舰船结构稳定性的二级指标权重变化，在风力增强时，结构强度和抗变形能力的权重会升高，抗腐蚀能力对舰船航行安全特性影响降低，因而其权重会降低。根据这种思路可以对其他所有的关键指标以及二级指标进行权重的适应性计算。

2.2 模糊分析法流程设计

1）确定隶属度函数

对所有指标确定模糊隶属函数，以船体结构强度为例，假设强度值在 [0,100] 之间，定义高安全区间为 [80,100]；较高安全区间为 [60,80)；中等安全区间为 [40,60)；较低安全区间为 [20,40)；低安全区间为 [0,20)。

2）模糊化输入数据

收集舰船安全特性评估的各项指标数据，将其模糊化处理，即确定每个指标在各个安全等级上的隶属度。如测得某舰船的船体结构强度为 75，则根据隶属函数计算其在高安全、较高安全、中等安全、较低安全和低安全等级上的隶属度分别为 （0.5，0.5，0，0，0）。

3）制定模糊规则库

规则 1：如果结构强度高、抗变形能力高、抗腐蚀性能高、动力输出稳定性高、故障发生率低、维修便捷性高、定位精度高、通信质量高、抗干扰能力高、抗风浪能力高、气象感知准确性中、应急响应能力高，则舰船安全等级高。

规则 2：如果结构强度高、抗变形能力中、抗腐蚀性能中、动力输出稳定性中、故障发生率中、维修便捷性中、定位精度高、通信质量中、抗干扰能力中、抗风浪能力中、气象感知准确性中、应急响应能力中，则舰船安全等级中等。

规则 3：如果结构强度中、抗变形能力中、抗腐蚀性能中、动力输出稳定性低、故障发生率高、维修便捷性低、定位精度低、通信质量低、抗干扰能力低、抗风浪能力低、气象感知准确性中、应急响应能力低，则舰船安全等级低。

4）模糊推理

对于每条规则，计算其前提部分的满足程度（即规则的触发强度）。例如，对于规则 1，如果某个输入变量在 “高” 模糊集合上的隶属度为 0.6，则这个变量对该规则的贡献为0.6。所有输入变量对该规则的贡献分别为 0.6、0.7、0.5、0.8、0.4、0.6、0.7、0.6、0.5、0.7、0.6，则该规则的触发强度可通过取这些值中的最小值来确定，假设最小值为 0.4，所以该规则的触发强度为 0.4。

根据规则的结论部分和触发强度，确定输出在各个模糊集合上的隶属度。对于规则 1，其结论是舰船安全等级高。如果触发强度为 0.4，那么输出在 “高安全” 模糊集合上的隶属度就为 0.4。对所有规则都进行类似处理。

5）去模糊化并输出评估结果

经过模糊推理得到的输出是各个安全等级模糊集合上的隶属度，需要进行去模糊化处理，得到一个明确的舰船航行安全特性等级评估结果。以重心法为例：

首先计算每个安全等级模糊集合的重心。对于每个模糊集合，可以假设其为三角形或梯形形状，接着计算其重心。然后根据输出在各个模糊集合上的隶属度和重心，计算最终的评估结果。输出在 “低安全 ”上的隶属度为 0.05；在“较低安全” 上的隶属度为 0.15；在 “中等安全” 上的隶属度为 0.3；在 “较高安全 ”上的隶属度为 0.4；在 “高安全 ”上的隶属度为 0.1。以上各模糊集合对应的重心分别为10、30、50、70、90，分别将这些隶属度与对应的模糊集合重心相乘，然后相加，得到最终的评估结果。则最终评估结果为：

$ 0.05\times 10+0.15\times 30+0.3\times 50+0.4\times 70+0.1\times 90=57。$

根据这个评估结果，可以确定当前舰船航行安全特性等级处于中等水平。

3 结　语

舰船航行安全对保持舰船持续作战能力具有重要意义，本文使用模糊分析技术和自适应权重算法构建舰船航行安全特性评估系统，给出了评估系统的基本结构，并给出了详细的模糊分析过程和结果，根据舰船不同的航行状况完善评估模型，以此提升评估准确率。