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
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
モデルの作成方法に関する。
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。
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。
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。
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。
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。
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。
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。
(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。
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。
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。
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。
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。
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。
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。
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。
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。
下の通りである
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
ワークの接続態様を示すブロック図。
す概念図。
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。
よるヨー角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。
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ヨー角
変化のシミュレーション結果を示すグラフ。
連結態様を示す斜視図。
内容を示すブロック図。
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。
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 |