JP2002175514A - 浮体の制御系設計モデルの作成方法 - Google Patents
浮体の制御系設計モデルの作成方法Info
- Publication number
- JP2002175514A JP2002175514A JP2000373951A JP2000373951A JP2002175514A JP 2002175514 A JP2002175514 A JP 2002175514A JP 2000373951 A JP2000373951 A JP 2000373951A JP 2000373951 A JP2000373951 A JP 2000373951A JP 2002175514 A JP2002175514 A JP 2002175514A
- Authority
- JP
- Japan
- Prior art keywords
- floating body
- model
- fluid
- control system
- force
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
(57)【要約】 （修正有）
【課題】 浮体の制御系設計モデルを試験等を実施する
ことなく容易に得ることが可能な浮体の制御系設計モデ
ルの作成方法を提供する。 【解決手段】 浮体の流体運動力学モデル（浮体モデ
ル）における流体モデル項をニューラルネットワーク２
０によって同定し、この同定によって状態変数を用いて
記述される制御系設計モデルを得る。特に、ホーサによ
って連結された二浮体の場合にも適用できるという特徴
を持つ。ニューラルネットワークは多層構造を有するモ
デルを用い、入力層にサージ速度、スウェイ速度、ヨー
角、ヨー角速度、潮流力を用い、出力層に流体力、潮流
力、流体モーメント、潮流モーメントを用いる。
ことなく容易に得ることが可能な浮体の制御系設計モデ
ルの作成方法を提供する。 【解決手段】 浮体の流体運動力学モデル（浮体モデ
ル）における流体モデル項をニューラルネットワーク２
０によって同定し、この同定によって状態変数を用いて
記述される制御系設計モデルを得る。特に、ホーサによ
って連結された二浮体の場合にも適用できるという特徴
を持つ。ニューラルネットワークは多層構造を有するモ
デルを用い、入力層にサージ速度、スウェイ速度、ヨー
角、ヨー角速度、潮流力を用い、出力層に流体力、潮流
力、流体モーメント、潮流モーメントを用いる。
Description
【０００１】
【発明の属する技術分野】本発明は、浮体の制御系設計
モデルの作成方法に関する。
モデルの作成方法に関する。
【０００２】
【従来の技術】洋上プラットフォーム等の浮体の制御に
おいては、浮体運動のモデルが必要である。そこで、通
常においては、浮体制御のモデルとして、流体力学をベ
ースとした数学モデルを採用している。
おいては、浮体運動のモデルが必要である。そこで、通
常においては、浮体制御のモデルとして、流体力学をベ
ースとした数学モデルを採用している。
【０００３】
【発明が解決しようとする課題】しかしながら、例え
ば、連結された二浮体の相対位置制御等の複雑な浮体制
御のケースでは、数学モデルの作成が困難であり、その
ため、実際の浮体運動データから制御系設計モデルを同
定する技術の開発が課題となる。本発明の課題は、この
ような状況に鑑み、浮体の制御系設計モデルを試験等を
実施することなく容易に得ることが可能な浮体の制御系
設計モデルの作成方法を提供することにある。
ば、連結された二浮体の相対位置制御等の複雑な浮体制
御のケースでは、数学モデルの作成が困難であり、その
ため、実際の浮体運動データから制御系設計モデルを同
定する技術の開発が課題となる。本発明の課題は、この
ような状況に鑑み、浮体の制御系設計モデルを試験等を
実施することなく容易に得ることが可能な浮体の制御系
設計モデルの作成方法を提供することにある。
【０００４】
【課題を解決するための手段】本発明は、浮体の流体運
動力学モデルにおける流体モデル項をニューラルネット
ワークによって同定し、この同定によって状態変数を用
いて記述される制御系設計モデルを得るようにしてい
る。本発明の実施例では、前記ニューラルネットワーク
として多層構造のものが使用され、該ニューラルネット
ワークの入力層に前記浮体のサージ速度、スウェイ速
度、ヨー角、ヨー角速度、潮流速度が入力されるととも
に、出力層から前記浮体に作用するサージ方向の流体力
と潮流力、スウェイ方向の流体力と潮流力、ヨー方向の
流体モーメントと潮流モーメントが出力される。本発明
の実施例では、前記入力層の入力情報に、波高および波
角度が付加される。また、本発明に実施例では、前記入
力層の出力情報に、サージ、スウェイおよびヨー方向の
波による力とモーメント成分が付加される。本発明は、
ホーサによって連結された二浮体の各流体運動力学モデ
ルにおける流体モデル項を個別のニューラルネットワー
クによって同定し、この同定よって状態変数を用いて記
述される前記二浮体の制御系設計モデルを得るようにし
ている。本発明の実施例では、前記各ニューラルネット
ワークとして多層構造のものが使用され、該各ニューラ
ルネットワークの入力層に対応する浮体のサージ速度、
スウェイ速度、ヨー角、ヨー角速度、潮流速度が入力さ
れるとともに、出力層から対応する浮体に作用するサー
ジ方向の流体力と潮流力、スウェイ方向の流体力と潮流
力、ヨー方向の流体モーメントと潮流モーメントが出力
される。
動力学モデルにおける流体モデル項をニューラルネット
ワークによって同定し、この同定によって状態変数を用
いて記述される制御系設計モデルを得るようにしてい
る。本発明の実施例では、前記ニューラルネットワーク
として多層構造のものが使用され、該ニューラルネット
ワークの入力層に前記浮体のサージ速度、スウェイ速
度、ヨー角、ヨー角速度、潮流速度が入力されるととも
に、出力層から前記浮体に作用するサージ方向の流体力
と潮流力、スウェイ方向の流体力と潮流力、ヨー方向の
流体モーメントと潮流モーメントが出力される。本発明
の実施例では、前記入力層の入力情報に、波高および波
角度が付加される。また、本発明に実施例では、前記入
力層の出力情報に、サージ、スウェイおよびヨー方向の
波による力とモーメント成分が付加される。本発明は、
ホーサによって連結された二浮体の各流体運動力学モデ
ルにおける流体モデル項を個別のニューラルネットワー
クによって同定し、この同定よって状態変数を用いて記
述される前記二浮体の制御系設計モデルを得るようにし
ている。本発明の実施例では、前記各ニューラルネット
ワークとして多層構造のものが使用され、該各ニューラ
ルネットワークの入力層に対応する浮体のサージ速度、
スウェイ速度、ヨー角、ヨー角速度、潮流速度が入力さ
れるとともに、出力層から対応する浮体に作用するサー
ジ方向の流体力と潮流力、スウェイ方向の流体力と潮流
力、ヨー方向の流体モーメントと潮流モーメントが出力
される。
【０００５】
【発明の実施の形態】図１は、洋上プラットフォーム等
の浮体１０を示している。この浮体１０は、船首側に１
基のスラスタ１１を配設するとともに、船尾側に２基の
スラスタ１１を配設してある。なお、この図１におい
て、β，βC ，およびβWは、それぞれ、波、潮流およ
び風の方向を示す角度、ＣＰはコントロールポイントで
ある。また、ｘ−ｙは船体固定座標系、Ｘ−Ｙは地球固
定座標系である。
の浮体１０を示している。この浮体１０は、船首側に１
基のスラスタ１１を配設するとともに、船尾側に２基の
スラスタ１１を配設してある。なお、この図１におい
て、β，βC ，およびβWは、それぞれ、波、潮流およ
び風の方向を示す角度、ＣＰはコントロールポイントで
ある。また、ｘ−ｙは船体固定座標系、Ｘ−Ｙは地球固
定座標系である。
【０００６】スラスタ１１は、図２に示すように、プロ
ペラ回転用モータ１１１と、首振り用モータ１１２とを
有する。プロペラ回転用モータ１１１の回転力は、首振
り用モータ１１２を貫通する回転軸１１３および歯車１
１４，１１５を介してプロペラ１１６に伝達され、ま
た、首振り用モータ１１２の回転力は、回転軸１１７を
介して首部１１８に伝達される。
ペラ回転用モータ１１１と、首振り用モータ１１２とを
有する。プロペラ回転用モータ１１１の回転力は、首振
り用モータ１１２を貫通する回転軸１１３および歯車１
１４，１１５を介してプロペラ１１６に伝達され、ま
た、首振り用モータ１１２の回転力は、回転軸１１７を
介して首部１１８に伝達される。
【０００７】上記浮体１０のロバスト制御系を設計する
ためには、該プラットフォームの運動方程式から状態変
数を用いて記述される制御系設計モデルを導出する必要
がある。浮体１０の前後（サージ）、横（スウェイ）お
よび船首揺れ（ヨー）方向についての運動方程式は、そ
れぞれ下式（１），（２）および（３）に示すように表
わされる。
ためには、該プラットフォームの運動方程式から状態変
数を用いて記述される制御系設計モデルを導出する必要
がある。浮体１０の前後（サージ）、横（スウェイ）お
よび船首揺れ（ヨー）方向についての運動方程式は、そ
れぞれ下式（１），（２）および（３）に示すように表
わされる。
【数１】
【０００８】ここで、浮体１０が受ける流体力ｘH，ｙH
およびＮHは、浮体１０を定点に保持する場合、船の操
縦性の表現式に従って以下のように表わされる。
およびＮHは、浮体１０を定点に保持する場合、船の操
縦性の表現式に従って以下のように表わされる。
【数２】
【０００９】図３に示す浮体運動力学モデルは、上式
（１），（２）および（３）で表わされる浮体運動力学
モデルであり、スラスタ１１が発生する力ｘT ，ｙT お
よびモーメントＮT と、風、波による力ｘF ，ｙF およ
びモーメントＮF とを入力とし、浮体１０の位置ｘ，
ｙ、速度ｕ，ｖ、ヨー角Ψおよびヨー角速度ｒを出力と
している。
（１），（２）および（３）で表わされる浮体運動力学
モデルであり、スラスタ１１が発生する力ｘT ，ｙT お
よびモーメントＮT と、風、波による力ｘF ，ｙF およ
びモーメントＮF とを入力とし、浮体１０の位置ｘ，
ｙ、速度ｕ，ｖ、ヨー角Ψおよびヨー角速度ｒを出力と
している。
【００１０】上記の浮体モデルを同定できれば、浮体運
動の推定が可能となる。そこで、本発明では、図４に示
すニューラルネットワーク２０を用いて、上式（１），
（２）および（３）の左辺項および右辺第１項を同定す
るようにしている。この実施形態において使用したニュ
ーラルネットワーク２０は、図５に示すように、入力
層、中間層および出力層を有し、いわゆる逆伝播学習則
によって中間層および出力層の結合の重みを調整するよ
うに構成されている。このニューラルネットワーク２０
のアルゴリズムは以下の通りである。
動の推定が可能となる。そこで、本発明では、図４に示
すニューラルネットワーク２０を用いて、上式（１），
（２）および（３）の左辺項および右辺第１項を同定す
るようにしている。この実施形態において使用したニュ
ーラルネットワーク２０は、図５に示すように、入力
層、中間層および出力層を有し、いわゆる逆伝播学習則
によって中間層および出力層の結合の重みを調整するよ
うに構成されている。このニューラルネットワーク２０
のアルゴリズムは以下の通りである。
【００１１】（１）入力層にある入力信号を入力する。 （２）ニューラルネットワークのダイナミックスに従っ
て、入力層から出力層へ向っての信号伝送過程に伴う各
ニューロンの状態変化を順次計算する。 （３）（２）の計算の結果得られる出力層のｉ番目のニ
ューロンの出力をＯiとし、入力信号に対するそのニュ
ーロンの望ましい出力、すなわち出力教師信号をｄi と
すると、望ましい出力と実際に得られた出力との二乗誤
差は、下式（７）のように表わされる。
て、入力層から出力層へ向っての信号伝送過程に伴う各
ニューロンの状態変化を順次計算する。 （３）（２）の計算の結果得られる出力層のｉ番目のニ
ューロンの出力をＯiとし、入力信号に対するそのニュ
ーロンの望ましい出力、すなわち出力教師信号をｄi と
すると、望ましい出力と実際に得られた出力との二乗誤
差は、下式（７）のように表わされる。
【数３】
【００１２】逆伝播学習則は、上式（６）の二乗誤差を
極小化するように、すなわち、実際の出力が望ましい出
力に可能な限り近づくように、ネットワークのシナプス
結合を変化させる。 （４）各シナプス結合の学習は、信号の伝播とは逆に、
出力層から入力層に向って進行する。第Ｎ段のｉ番目の
ニューロンの学習信号は、下式（８）にしたがって再帰
的に計算される。
極小化するように、すなわち、実際の出力が望ましい出
力に可能な限り近づくように、ネットワークのシナプス
結合を変化させる。 （４）各シナプス結合の学習は、信号の伝播とは逆に、
出力層から入力層に向って進行する。第Ｎ段のｉ番目の
ニューロンの学習信号は、下式（８）にしたがって再帰
的に計算される。
【数４】
【００１３】δの初期値、すなわち、出力層の学習信号
の初期値は、下式（９）で与えられる。そして、この式
（９）の初期値と前記式（８）を用いて、出力層から入
力層へ向って、順次、学習信号の値が計算される。
の初期値は、下式（９）で与えられる。そして、この式
（９）の初期値と前記式（８）を用いて、出力層から入
力層へ向って、順次、学習信号の値が計算される。
【数５】
【００１４】（５）ある入力信号を入力するとともに、
それに対応する望ましい出力教師信号を提示して、シナ
プス結合を変化させるプロセス（学習過程）を、いろい
ろな入力信号に対応する出力教師信号のセットに対して
繰り返し実行する。この学習プロセスごとのシナプス結
合の変化則は、（４）項において求めた学習信号を用い
て下式（１０）で与えられる。
それに対応する望ましい出力教師信号を提示して、シナ
プス結合を変化させるプロセス（学習過程）を、いろい
ろな入力信号に対応する出力教師信号のセットに対して
繰り返し実行する。この学習プロセスごとのシナプス結
合の変化則は、（４）項において求めた学習信号を用い
て下式（１０）で与えられる。
【数６】 なお、ηは学習のタイムステップを規定するものであ
り、各ステップごとに、次々と入力信号とそれに対応す
る出力教師信号をニューラルネットワークに提示する。
り、各ステップごとに、次々と入力信号とそれに対応す
る出力教師信号をニューラルネットワークに提示する。
【００１５】この実施形態におけるニューラルネットワ
ーク２０は、入力層の入力を浮体１０のサージ速度ｕ、
スウェイ速度ｖ、ヨー速度（回頭角速度）ｒ、ヨー角
（回頭角）Ψ、潮流速度ＶC および潮流角度βC とし、
出力層を浮体１０のサージ方向の流体力と潮流力、スウ
ェイ方向の流体力と潮流力およびヨー方向の流体モーメ
ントと潮流モーメントとし、これによって、前記式
（１）〜（３）における流体力学モデル項、つまり、各
式の左辺項および右辺第１項を同定する。なお、このニ
ューラルネットワーク２０は、中間層のニューロ数を１
６個に設定してある。
ーク２０は、入力層の入力を浮体１０のサージ速度ｕ、
スウェイ速度ｖ、ヨー速度（回頭角速度）ｒ、ヨー角
（回頭角）Ψ、潮流速度ＶC および潮流角度βC とし、
出力層を浮体１０のサージ方向の流体力と潮流力、スウ
ェイ方向の流体力と潮流力およびヨー方向の流体モーメ
ントと潮流モーメントとし、これによって、前記式
（１）〜（３）における流体力学モデル項、つまり、各
式の左辺項および右辺第１項を同定する。なお、このニ
ューラルネットワーク２０は、中間層のニューロ数を１
６個に設定してある。
【００１６】図６、図７および図８の実線は、上記浮体
運動力学モデルの数学モデルを用いて浮体1０のサー
ジ、スウェイおよびヨー方向についての運動をシミュレ
ーションした結果をそれぞれ示している。また、同各図
の破線は、上記浮体運動力学モデルのパラメータ値をそ
の入出力データからニューラルネットワーク２０により
同定して得た制御系設計モデルを用いて浮体1０のサー
ジ、スウェイおよびヨー方向についての運動をシミュレ
ーションした結果をそれぞれ示している。
運動力学モデルの数学モデルを用いて浮体1０のサー
ジ、スウェイおよびヨー方向についての運動をシミュレ
ーションした結果をそれぞれ示している。また、同各図
の破線は、上記浮体運動力学モデルのパラメータ値をそ
の入出力データからニューラルネットワーク２０により
同定して得た制御系設計モデルを用いて浮体1０のサー
ジ、スウェイおよびヨー方向についての運動をシミュレ
ーションした結果をそれぞれ示している。
【００１７】なお、このシミュレーションの条件は、以
下の通りである
下の通りである
【表１】
【００１８】図６〜図８から明らかなように、数学モデ
ルに基づくシミュレーション結果と、ニューラルネット
ワーク２０によって得られた制御系設計モデルに基づく
シミュレーション結果は、初期において多少のずれが生
じるものの、サージ、スウェイおよびヨーのいずれにつ
いてもほぼ一致している。これは、ニューラルネットワ
ーク２０による浮体運動力学モデルの同定の有効性を示
している。
ルに基づくシミュレーション結果と、ニューラルネット
ワーク２０によって得られた制御系設計モデルに基づく
シミュレーション結果は、初期において多少のずれが生
じるものの、サージ、スウェイおよびヨーのいずれにつ
いてもほぼ一致している。これは、ニューラルネットワ
ーク２０による浮体運動力学モデルの同定の有効性を示
している。
【００１９】図９、図１０および図１１の実線は、波高
および波角度と、波による力およびモーメント成分とを
変数として更に付加した浮体運動力学モデルの数学モデ
ルを用いて浮体1０のサージ、スウェイおよびヨー方向
についての運動をシミュレーションした結果をそれぞれ
示している。また、同各図の破線は、上記浮体運動力学
モデルのパラメータ値をその入出力データからニューラ
ルネットワーク２０により同定して得た制御系設計モデ
ルを用いて浮体1０のサージ、スウェイおよびヨー方向
についての運動をシミュレーションした結果をそれぞれ
示している。
および波角度と、波による力およびモーメント成分とを
変数として更に付加した浮体運動力学モデルの数学モデ
ルを用いて浮体1０のサージ、スウェイおよびヨー方向
についての運動をシミュレーションした結果をそれぞれ
示している。また、同各図の破線は、上記浮体運動力学
モデルのパラメータ値をその入出力データからニューラ
ルネットワーク２０により同定して得た制御系設計モデ
ルを用いて浮体1０のサージ、スウェイおよびヨー方向
についての運動をシミュレーションした結果をそれぞれ
示している。
【００２０】なお、この場合には、ニューラルネットワ
ーク２０の入力層に波高および波角度が付加されるとと
もに、出力層にサージ、スウェイおよびヨー方向の波に
よる力とモーメント成分が付加される。そして、この入
出力の増加に対応するため、ニューラルネットワーク２
０の中間層のニューロン数が例えば３２個に設定され
る。下表は、この例におけるシミュレーションの条件を
示している。
ーク２０の入力層に波高および波角度が付加されるとと
もに、出力層にサージ、スウェイおよびヨー方向の波に
よる力とモーメント成分が付加される。そして、この入
出力の増加に対応するため、ニューラルネットワーク２
０の中間層のニューロン数が例えば３２個に設定され
る。下表は、この例におけるシミュレーションの条件を
示している。
【表２】
【００２１】図９〜図１１における実線と破線の対比か
ら明らかなように、波高および波角度と、波による力お
よびモーメント成分とを変数として更に付加した場合に
おいても、上記ニューラルネットワーク２０により得た
制御系設計モデルに基づくミュレーション結果は、数学
モデルに基づくシミュレーション結果に極めて近似して
いる。
ら明らかなように、波高および波角度と、波による力お
よびモーメント成分とを変数として更に付加した場合に
おいても、上記ニューラルネットワーク２０により得た
制御系設計モデルに基づくミュレーション結果は、数学
モデルに基づくシミュレーション結果に極めて近似して
いる。
【００２２】本発明に係る浮体の制御系設計モデルの作
成方法は、上記したように、ニューラルネットワーク２
０によって浮体運動力学モデルを同定することによって
制御系設計モデルを得ている。したがって、浮体運動力
学モデルが複雑であるために数学モデルでのシミュレー
ションが困難な場合でも、入出力データから上記浮体運
動力学モデルを同定して、浮体の運動を精度良くシミュ
レーションすることができ、かつ、同定によって得られ
る制御系設計モデルを浮体１０、１０−１，１０−２の
位置決め制御系に活用することができる。なお、前記式
（１），（２）および（３）の流体力項、つまり、右辺
第1項のｘH，ｙHおよびＮH は、実試験によって推定す
ることも可能であるが、これには多大の時間と設備コス
トを必要とする。
成方法は、上記したように、ニューラルネットワーク２
０によって浮体運動力学モデルを同定することによって
制御系設計モデルを得ている。したがって、浮体運動力
学モデルが複雑であるために数学モデルでのシミュレー
ションが困難な場合でも、入出力データから上記浮体運
動力学モデルを同定して、浮体の運動を精度良くシミュ
レーションすることができ、かつ、同定によって得られ
る制御系設計モデルを浮体１０、１０−１，１０−２の
位置決め制御系に活用することができる。なお、前記式
（１），（２）および（３）の流体力項、つまり、右辺
第1項のｘH，ｙHおよびＮH は、実試験によって推定す
ることも可能であるが、これには多大の時間と設備コス
トを必要とする。
【００２３】図１２は、浮遊式の石油生産用プラットフ
ォーム１０−１（以下、第１の浮体という）と、このプ
ラットフォーム１０−１で生産された石油を積み出すシ
ャトルタンカー１０−２（以下、第２の浮体という）を
示している。第１の浮体１０−１は、係留索１２を介し
て海底に係留され、また、浮体１０−２は、ホーサ１３
によって第１の浮体１０−１に連結されている。そし
て、各浮体１０−１，１０−２は、図１に示す浮体１０
と同様に、複数のスラスタ（図示せず）を備えている。
ォーム１０−１（以下、第１の浮体という）と、このプ
ラットフォーム１０−１で生産された石油を積み出すシ
ャトルタンカー１０−２（以下、第２の浮体という）を
示している。第１の浮体１０−１は、係留索１２を介し
て海底に係留され、また、浮体１０−２は、ホーサ１３
によって第１の浮体１０−１に連結されている。そし
て、各浮体１０−１，１０−２は、図１に示す浮体１０
と同様に、複数のスラスタ（図示せず）を備えている。
【００２４】図１３に示す第１の浮体１０−１の運動力
学モデルおよび第２の浮体１０−２の運動力学モデル
は、上式（１），（２）および（３）で表わされる浮体
運動力学モデルと基本的に同じであるが、式（１）のｘ
H にホーサ張力に基づく前後力成分が含まれる点と、式
（２）のｙH にホーサ張力に基づく横力成分が含まれる
点と、式（３）のＮH にホーサ張力に基づくモーメント
成分が含まれる点において相違する。
学モデルおよび第２の浮体１０−２の運動力学モデル
は、上式（１），（２）および（３）で表わされる浮体
運動力学モデルと基本的に同じであるが、式（１）のｘ
H にホーサ張力に基づく前後力成分が含まれる点と、式
（２）のｙH にホーサ張力に基づく横力成分が含まれる
点と、式（３）のＮH にホーサ張力に基づくモーメント
成分が含まれる点において相違する。
【００２５】図１４（ａ）に示すニューラルネットワー
ク２０−１および図１３（ｂ）に示すニューラルネット
ワーク２０−２は、それぞれ、図１２に示す第１の浮体
１０−１の運動力学モデルおよび第２の浮体１０−２の
運動力学モデルを同定するものであり、図２に示すニュ
ーラルネットワーク２０と同様の多層構造を有する。
ク２０−１および図１３（ｂ）に示すニューラルネット
ワーク２０−２は、それぞれ、図１２に示す第１の浮体
１０−１の運動力学モデルおよび第２の浮体１０−２の
運動力学モデルを同定するものであり、図２に示すニュ
ーラルネットワーク２０と同様の多層構造を有する。
【００２６】ホーサ１３によってリンクされた上記二浮
体１０−１，１０−２の運動は、一浮体の運動に比して
相当に複雑であり、このため、数学モデルの作成が困難
な場合がある。しかし、上記ニューラルネットワーク２
０−１および２０−２を用いて、各浮体１０−１および
１０−２の運動モデルを同定すれば、これらの浮体１０
−１，１０−２の制御系設計モデルを容易に推定するこ
とができる。
体１０−１，１０−２の運動は、一浮体の運動に比して
相当に複雑であり、このため、数学モデルの作成が困難
な場合がある。しかし、上記ニューラルネットワーク２
０−１および２０−２を用いて、各浮体１０−１および
１０−２の運動モデルを同定すれば、これらの浮体１０
−１，１０−２の制御系設計モデルを容易に推定するこ
とができる。
【００２７】
【発明の効果】本発明によれば、浮体の流体運動力学モ
デルにおける流体モデル項をニューラルネットワークに
よって同定し、この同定によって状態変数を用いて記述
される制御系設計モデルを試験等を実施することなく容
易に得ることが可能である。したがって、浮体の運動の
シミュレーションの容易化と制御系の設計の容易化を図
ることができる。また、ホーサによって連結された二浮
体の運動のシミュレーションや制御系は数学モデルによ
る実現が困難であるが、本発明によればこれらの実現が
可能になる。
デルにおける流体モデル項をニューラルネットワークに
よって同定し、この同定によって状態変数を用いて記述
される制御系設計モデルを試験等を実施することなく容
易に得ることが可能である。したがって、浮体の運動の
シミュレーションの容易化と制御系の設計の容易化を図
ることができる。また、ホーサによって連結された二浮
体の運動のシミュレーションや制御系は数学モデルによ
る実現が困難であるが、本発明によればこれらの実現が
可能になる。
【図１】浮体の運動方向を示す平面図。
【図２】スラスタの構造を示す縦断断面図。
【図３】浮体モデルの入出力の内容を示すブロック図。
【図４】浮体モデルを同定するためのニューラルネット
ワークの接続態様を示すブロック図。
ワークの接続態様を示すブロック図。
【図５】ニューラルネットワークの構造および作用を示
す概念図。
す概念図。
【図６】数学モデルとニューラルネットワークモデルに
よるサージ位置変化のシミュレーション結果を示すグラ
フ。
よるサージ位置変化のシミュレーション結果を示すグラ
フ。
【図７】数学モデルとニューラルネットワークモデルに
よるスウェイ位置変化のシミュレーション結果を示すグ
ラフ。
よるスウェイ位置変化のシミュレーション結果を示すグ
ラフ。
【図８】数学モデルとニューラルネットワークモデルに
よるヨー角変化のシミュレーション結果を示すグラフ。
よるヨー角変化のシミュレーション結果を示すグラフ。
【図９】波高および波角度と、波による力およびモーメ
ント成分とを変数として更に付加した場合における数学
モデルとニューラルネットワークモデルによるサージ位
置変化のシミュレーション結果を示すグラフ。
ント成分とを変数として更に付加した場合における数学
モデルとニューラルネットワークモデルによるサージ位
置変化のシミュレーション結果を示すグラフ。
【図１０】波高および波角度と、波による力およびモー
メント成分とを変数として更に付加した場合における数
学モデルとニューラルネットワークモデルによるスウェ
イ位置変化のシミュレーション結果を示すグラフ。
メント成分とを変数として更に付加した場合における数
学モデルとニューラルネットワークモデルによるスウェ
イ位置変化のシミュレーション結果を示すグラフ。
【図１１】波高および波角度と、波による力およびモー
メント成分とを変数として更に付加した場合における数
学モデルとニューラルネットワークモデルによるヨー角
変化のシミュレーション結果を示すグラフ。
メント成分とを変数として更に付加した場合における数
学モデルとニューラルネットワークモデルによるヨー角
変化のシミュレーション結果を示すグラフ。
【図１２】洋上プラットフォームとシャトルタンカーの
連結態様を示す斜視図。
連結態様を示す斜視図。
【図１３】第１浮体モデルと第２浮体モデルの入出力の
内容を示すブロック図。
内容を示すブロック図。
【図１４】第１浮体モデルと第２浮体モデルを同定する
ためのニューラルネットワークの接続態様を示すブロッ
ク図。
ためのニューラルネットワークの接続態様を示すブロッ
ク図。
１０，１０−１，１０−２ 浮体 １１ スラスタ ２０，２０−１，２０−２ ニューラルネットワーク
───────────────────────────────────────────────────── フロントページの続き (72)発明者 松浦 正己 長崎県長崎市深堀町五丁目717番１号 三 菱重工業株式会社長崎研究所内 Ｆターム(参考） 5B046 AA04 BA01 JA04 JA09 5H004 GA30 GB14 HA07 HB07 HB08 HB10 JA22 JB08 JB09 JB21 KC28 KD45 MA40
Claims (6)
- 【請求項１】 浮体の流体運動力学モデルにおける流体
モデル項をニューラルネットワークによって同定し、こ
の同定によって状態変数を用いて記述される制御系設計
モデルを得ることを特徴とする浮体の制御系設計モデル
の作成方法。 - 【請求項２】 前記ニューラルネットワークが多層構造
を有し、該ニューラルネットワークの入力層に前記浮体
のサージ速度、スウェイ速度、ヨー角、ヨー角速度、潮
流速度が入力されるとともに、出力層から前記浮体に作
用するサージ方向の流体力と潮流力、スウェイ方向の流
体力と潮流力、ヨー方向の流体モーメントと潮流モーメ
ントが出力されることを特徴とする浮体の制御系設計モ
デルの作成方法。 - 【請求項３】 前記入力層の入力情報に、波高および波
角度を付加したことを特徴とする請求項２に記載の浮体
の制御系設計モデルの作成方法。 - 【請求項４】 前記入力層の出力情報に、サージ、スウ
ェイおよびヨー方向の波による力とモーメント成分を付
加したことを特徴とする請求項２または３に記載の浮体
の制御系設計モデルの作成方法。 - 【請求項５】 ホーサによって連結された二浮体の各流
体運動力学モデルにおける流体モデル項を個別のニュー
ラルネットワークによって同定し、この同定よって状態
変数を用いて記述される前記二浮体の制御系設計モデル
を得ることを特徴とする浮体の制御系設計モデルの作成
方法。 - 【請求項６】 前記各ニューラルネットワークが多層構
造を有し、該各ニューラルネットワークの入力層に対応
する浮体のサージ速度、スウェイ速度、ヨー角、ヨー角
速度、潮流速度が入力されるとともに、出力層から対応
する浮体に作用するサージ方向の流体力と潮流力、スウ
ェイ方向の流体力と潮流力、ヨー方向の流体モーメント
と潮流モーメントが出力されることを特徴とする浮体の
制御系設計モデルの作成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000373951A JP2002175514A (ja) | 2000-12-08 | 2000-12-08 | 浮体の制御系設計モデルの作成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000373951A JP2002175514A (ja) | 2000-12-08 | 2000-12-08 | 浮体の制御系設計モデルの作成方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002175514A true JP2002175514A (ja) | 2002-06-21 |
Family
ID=18843235
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000373951A Pending JP2002175514A (ja) | 2000-12-08 | 2000-12-08 | 浮体の制御系設計モデルの作成方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002175514A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016089540A (ja) * | 2014-11-07 | 2016-05-23 | 五洋建設株式会社 | 浮体位置決めシステム及び浮体位置決め方法 |
| CN110532685A (zh) * | 2019-08-29 | 2019-12-03 | 山东交通学院 | 浮式结构物摇荡运动响应预报方法 |
| CN112557946A (zh) * | 2020-11-20 | 2021-03-26 | 台州学院 | 一种基于数字滤波与人工神经网络的低压spd智能在线检测装置 |
| CN116203932A (zh) * | 2023-05-06 | 2023-06-02 | 安徽大学 | 基于模型的无人艇执行器故障检测方法、存储介质及设备 |
-
2000
- 2000-12-08 JP JP2000373951A patent/JP2002175514A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016089540A (ja) * | 2014-11-07 | 2016-05-23 | 五洋建設株式会社 | 浮体位置決めシステム及び浮体位置決め方法 |
| CN110532685A (zh) * | 2019-08-29 | 2019-12-03 | 山东交通学院 | 浮式结构物摇荡运动响应预报方法 |
| CN110532685B (zh) * | 2019-08-29 | 2023-02-07 | 山东交通学院 | 浮式结构物摇荡运动响应预报方法 |
| CN112557946A (zh) * | 2020-11-20 | 2021-03-26 | 台州学院 | 一种基于数字滤波与人工神经网络的低压spd智能在线检测装置 |
| CN116203932A (zh) * | 2023-05-06 | 2023-06-02 | 安徽大学 | 基于模型的无人艇执行器故障检测方法、存储介质及设备 |
| CN116203932B (zh) * | 2023-05-06 | 2023-07-21 | 安徽大学 | 基于模型的无人艇执行器故障检测方法、存储介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Perez et al. | An overview of the marine systems simulator (MSS): A simulink toolbox for marine control systems | |
| Im et al. | Artificial neural network controller for automatic ship berthing using head-up coordinate system | |
| Moreira et al. | Dynamic model of manoeuvrability using recursive neural networks | |
| CN101707016A (zh) | 航海模拟器用船舶六自由度运动数学模型的建立方法 | |
| Fang et al. | Application of neuro-fuzzy algorithm to portable dynamic positioning control system for ships | |
| JP2002175514A (ja) | 浮体の制御系設計モデルの作成方法 | |
| Schaefer et al. | A mobile manoeuvring simulation system for design, verification and validation of marine automation Systems | |
| Morishita et al. | Laboratory facilities for dynamic positioning system | |
| Man et al. | Mechanism development and heading control of catamaran-type sail drone | |
| DONNARUMMA et al. | Rapid Prototyping for Enhanced Dynamic | |
| CN113934159A (zh) | 一种无人船可靠性测试环境模型构建方法 | |
| Molnar et al. | Guidance, navigation and control system for the Tethra unmanned underwater vehicle | |
| Ebada | Intelligent techniques-based approach for ship manoeuvring simulations and analysis: artificial neural networks application | |
| Kamil et al. | Artificial neural network and mathematical modeling of automatic ship berthing | |
| Ahmed et al. | An artificial neural network controller for course changing manoeuvring | |
| Simbulan et al. | A neural network model for a 5-thruster unmanned underwater vehicle | |
| Nguyen et al. | Applying simplex algorithm for ship’s motion simulation optimization by using maneuvering tests data | |
| JP4395269B2 (ja) | 相対的浮体運動システム、２浮体間運動制御回路及びシミュレータ | |
| Molnar et al. | Design of an advanced AUV for deployment close to the seabed and other hazards | |
| Lee et al. | Application of an on-line trainning predictor/controller to dynamic positioning of floating structures | |
| Hval | Modelling and control of underwater inspection vehicle for aquaculture sites | |
| Rebhi et al. | Modeling and identification of a ship propelled by two water jets | |
| Martins et al. | Estimating Maneuvering and Seakeeping Characteristics with Neural Networks | |
| Chaysri et al. | Unmanned surface vehicle navigation through generative adversarial imitation learning | |
| Berg et al. | Validation of shiphandling simulation models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20040331 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20041126 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20041126 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20041126 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20071203 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20080115 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110517 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20110922 |