JP6513677B2 - 船舶特性推定装置、及び自動操舵装置 - Google Patents

Description

本発明は、船舶の特性を推定する船舶特性推定装置、及び船舶特性推定装置を有する自動操舵装置に関する。

従来より、船舶の状態（経時的に変化する船舶の特性）を正確に把握するための様々な試みがなされている。例えば、特許文献１には、船舶に取り付けられた各種センサによって検出された運転情報（船舶の主機の温度、圧力、回転数等）に基づいて、船舶の状態を診断可能なシステムが開示されている。

特開２００２−３１６６９２号公報

ところで、船舶の状態を把握するにあたり、船舶の対水速度（水に対する船舶の速度）に影響を与えるパラメータの値と、各値に対応する実際の船舶の対水速度との関係を把握することは、非常に重要である。この関係性を把握することで、例えば一例として、船舶の航行計画をより正確に立てることができるようになる。しかし、上述した特許文献には、このことについては何ら記載されていない。

例えば、船舶の対水速度に影響を与えるパラメータとして、船舶のプロペラの回転数、及び船舶に対する風力、が挙げられる。そして、ある船舶において、プロペラの回転数と、該回転数に起因する船舶の対水速度との関係性を把握しようとすると、船舶の対水速度に影響を与える他のパラメータ（風力等）を一定に保った状態で実験を行う必要があり、非常に手間がかかる。これは、船舶に対する風力と、該風力に起因する船舶の対水速度との関係性を把握する場合も、同様である。

本発明は、上記課題を解決するためのものであり、その目的は、船舶の対水速度に影響を与えるパラメータの値と、該パラメータに起因する船舶の対水速度との関係性を、容易に把握することである。

（１）上記課題を解決するために、この発明のある局面に係る船舶特性推定装置は、船舶のプロペラの回転数を示すデータである回転数データと、該船舶に作用しうる風力の風速ベクトルを示すデータである風速ベクトルデータと、がそれぞれに含まれる複数のパラメータデータ、を出力するデータ出力部と、前記データ出力部から出力された前記複数のパラメータデータを受け付けるとともに、各前記パラメータデータに対応する値を、前記船舶の対水速度ベクトルと推定し、該対水速度ベクトルを第１出力値として出力するように構成された推定器とを備え、前記複数のパラメータデータのそれぞれに含まれる前記回転数データが示す回転数は、互いに同じであり、前記複数のパラメータデータのそれぞれに含まれる前記風速ベクトルデータが示す風速ベクトルは、互いに異なり、各前記第１出力値は、前記回転数データが示す前記回転数で前記船舶が航行しているときの該船舶の対水速度ベクトルと推定されて出力される。

（２）上記課題を解決するために、この発明のある局面に係る船舶特性推定装置は、船
舶のプロペラの回転数を示すデータである回転数データと、該船舶に作用しうる風力の風速ベクトルを示すデータである風速ベクトルデータと、がそれぞれに含まれる複数のパラメータデータ、を出力するデータ出力部と、前記データ出力部から出力された前記複数のパラメータデータを受け付けるとともに、各前記パラメータデータに対応する値を、前記船舶の対水速度ベクトルと推定し、該対水速度ベクトルを第１出力値として出力するように構成された推定器とを備え、前記複数のパラメータデータのそれぞれに含まれる前記回転数データが示す回転数は、互いに異なり、前記複数のパラメータデータのそれぞれに含まれる前記風速ベクトルデータが示す風速ベクトルは、互いに同じであり、各前記第１出力値は、前記風速ベクトルデータが示す前記風速ベクトルが前記船舶に作用しているときの該船舶の対水速度ベクトルと推定されて出力される。

（３）好ましくは、前記推定器は、ニューラルネットワークを用いて構成され、それぞれに、前記回転数データ及び前記風速ベクトルデータの一方が入力される少なくとも２つの入力ユニットと、前記第１出力値を出力する出力ユニットとを有し、前記ニューラルネットワークにおける入力側のユニットから出力される値には、結合係数が乗算された後、出力側のユニットに伝送される。

（４）更に好ましくは、前記船舶特性推定装置は、海上を航行する前記船舶の対地速度ベクトルを算出する対地速度算出部と、前記プロペラの回転数を検出するプロペラ回転数検出部と、前記船舶に搭載されて該船舶に対する風力の風速ベクトルを計測する風速風向計と、を更に備え、各前記入力ユニットには、前記プロペラ回転数検出部で検出された前記プロペラの回転数、及び前記風速風向計で計測された前記風速ベクトル、の一方が入力され、前記出力ユニットからは、前記プロペラ回転数検出部で検出された前記プロペラの回転数、及び前記風速風向計で計測された前記風速ベクトル、の組み合わせにより特定される各条件に対応する値が、該船舶の対水速度ベクトルと推定されて第２出力値として出力され、前記船舶特性推定装置は、前記第２出力値と、前記対地速度算出部で算出された教師信号としての前記対地速度ベクトルとを比較するとともに、該第２出力値と該教師信号との誤差が少なくなるように、前記結合係数を更新する更新部を更に備えている。

（５）好ましくは、前記推定器は、前記船舶のプロペラの回転数、及び該船舶に対する風力の風速ベクトル、の組み合わせにより特定される各条件のときの前記船舶の対地速度ベクトルを、複数の前記条件毎に記憶する複数のセル部、を含む記憶部を有し、受け付けた各前記パラメータデータに含まれる前記回転数データ及び前記風速ベクトルデータの組み合わせに対応する前記条件で特定される前記セル部、に記憶される前記対地速度ベクトルの平均値を、前記第１出力値として出力する。

（６）更に好ましくは、前記船舶特性推定装置は、海上を航行する前記船舶の対地速度ベクトルを算出する対地速度算出部と、前記プロペラの回転数を検出するプロペラ回転数検出部と、前記船舶に搭載されて該船舶に対する風力の風速ベクトルを計測する風速風向計と、を更に備え、前記記憶部は、前記対地速度算出部で算出された前記対地速度ベクトルを、該対地速度ベクトルの算出に必要なデータが取得されたときに前記プロペラ回転数検出部で検出された前記回転数、及び前記風速風向計で計測された前記風速ベクトル、の組み合わせにより特定される前記セル部に記憶させる更新部、を更に備えている。

（７）好ましくは、前記船舶特性推定装置は、前記推定器から出力される前記第１出力値に基づき、所定時間後において前記船舶が位置すると予測される範囲を表示する表示部、を更に備えている。

（８）上記課題を解決するために、この発明のある局面に係る自動操舵装置は、船舶に搭載され、ＧＮＳＳ信号を受信するＧＮＳＳ信号受信部と、前記ＧＮＳＳ信号受信部で受
信されたＧＮＳＳ信号に基づいて算出される前記船舶の位置情報に基づき、該船舶の舵を制御する制御部と、を備えた自動操舵装置であって、上述したいずれか１つの船舶特性推定装置、を更に備え、前記制御部は、前記船舶特性推定装置の推定器から出力される前記第１出力値にも基づいて、前記船舶の舵を制御する。

本発明によれば、船舶の対水速度に影響を与えるパラメータの値と、該パラメータに起因する船舶の対水速度との関係性を、容易に把握できる。

本発明の実施形態に係る推定装置の構成を示すブロック図である。 図１に示す推定器の構成の一例を示す模式図である。 対地速度、対水速度、及び表層流速度の関係を示すベクトル図である。 図１に示す推定器からの第２出力値が、対水速度に収束する理由を説明するための図である。 図１に示すデータ出力部から出力される各パラメータデータと、推定器が各パラメータデータに基づいて推定する各対水速度と、の対応関係について説明するための図である。 図１に示す画像生成部によって生成される風力特性グラフの生成過程を説明するための図である。 画像生成部によって生成された風力特性グラフの一例を示す図である。 変形例に係る推定装置の構成を示すブロック図である。 変形例に係る推定装置の構成を示すブロック図である。 変形例に係る推定装置の構成を示すブロック図である。 図１０に示す推定器について詳細に説明するための図である。 変形例に係る推定装置の構成を示すブロック図である。 変形例に係る推定装置の構成を示すブロック図である。 図１３に示す学習係数設定処理部の構成を示すブロック図である。 図１４に示す記憶部に記憶されるテーブルと、そのテーブルの各セルに対応して記憶される自己組織化マップと、を模式的に示す図である。 変形例に係る推定装置の学習係数設定処理部の構成を示すブロック図である。 図１６に示す記憶部に記憶されるテーブルと、そのテーブルの各セル（各エリア）に対応して記憶される学習データとを示す図である。 変形例に係る推定装置の構成を示すブロック図である。 図１８に示す画像生成部で生成された風力特性グラフの一例を示す図であって、学習進捗指標の導出過程を説明するための図である。 自動操舵装置の構成を示すブロック図である。 変形例に係る推定装置の構成を示すブロック図である。 図２１に示すデータ出力部から出力される各パラメータデータと、推定器が各パラメータデータに基づいて推定する各対水速度の大きさ、の対応関係について説明するための図である。 画像生成部によって生成される主機特性グラフの一例を示す図である。 変形例に係る推定装置の構成を示すブロック図である。 表示部に表示される回転速度計の一例を示す図である。 変形例に係る推定装置の構成を示すブロック図である。 画像生成部で生成された主機特性グラフの一例を示す図であって、学習進捗指標について説明するための図である。 変形例に係る推定装置の表示部で表示される、所定時間後の自船位置を示すマップの一例である。 学習データの補完について説明するための模式図である。

図１は、本発明の実施形態に係る推定装置１の構成を示すブロック図である。推定装置１は、海上を航行する自船（船舶）に搭載されている。

推定装置１は、図１に示すように、表層流推定部８と、風力特性推定部９（船舶特性推定装置）と、を備えている。表層流推定部８は、自船位置における表層流の向き及び大きさ、すなわち自船位置における表層流の速度ベクトルを推定するように構成されている。一方、風力特性推定部９は、自船の風力特性を推定するように構成されている。以下では、表層流推定部８の構成、及び風力特性推定部９の構成を、順に説明する。なお、表層流とは、海面から自船の船底に亘る範囲程度の深さ範囲における流れである。また、風力特性とは、自船に対する風力の方位及び大きさによって、静水中で船が移動する速度がどのように変化するかを示す特性である。

［表層流推定部の構成］
表層流推定部８では、所定のタイミング毎に所定のパラメータ（本実施形態では、自船のプロペラの回転数、船首方向真風速、及び右舷方向真風速）が自動で求められるとともに、各パラメータの値の組み合わせにより特定される条件毎に、自船位置の表層流速度（表層流速度ベクトル）が算出される。表層流推定部８は、ＧＰＳ信号受信部２と、プロペラ回転数検出部３と、風向風速計４と、演算部１０を構成する構成要素の一部（具体的には、対地速度算出部１１、推定器１２、表層流算出部１３、及び結合係数更新部１４）と、表示部５と、を備えている。

ＧＰＳ信号受信部２は、航法衛星（図示省略）から送信される航法信号（ＧＮＳＳ信号）としてのＧＰＳ信号を受信するための、ＧＮＳＳ信号受信部として設けられている。ＧＰＳ信号受信部２は、例えば、ＧＰＳアンテナによって構成されている。ＧＰＳ信号受信部２で受信されたＧＰＳ信号（すなわち、自船の位置情報）は、該ＧＰＳ信号が受信された時刻とともに、演算部１０に通知される。

なお、本実施形態では、ＧＮＳＳ信号受信部としてＧＰＳ信号受信部２を用いているが、これに限らず、その他のＧＮＳＳシステムにおいて用いられる受信部を用いてもよい。ここで、ＧＮＳＳとは、全地球航法衛星システム（ＧＮＳＳ；Global Navigation Satellite Systems）の略語である。このＧＮＳＳは、米国により運営される「ＧＰＳ」、欧州により運営される「ＧＡＬＩＬＥＯ」及びロシアにより運営される「ＧＬＯＮＡＳＳ」等の総称である。

プロペラ回転数検出部３は、自船の推力を発生させるためのプロペラの単位時間当たりの回転数を検出するためのものであって、例えば、回転数を検出可能なセンサによって構成されている。プロペラ回転数検出部３で検出された回転数は、演算部１０に通知される。

風向風速計４は、風向及び風速に関する情報として、船首方向真風速及び右舷方向真風速を計測するためのものである。風向風速計４は、本実施形態に係る表層流推定部８が搭載される自船における、周囲に風を遮る障害物がない場所に設置される。風向風速計４で計測された船首方向真風速及び右舷方向真風速は、演算部１０に通知される。

演算部１０は、ＧＰＳ信号受信部２、プロペラ回転数検出部３、及び風向風速計４から通知された各種情報に基づき、所定のタイミング毎に、自船位置（対象地点）における表層流を推定するように構成されている。演算部１０は、対地速度算出部１１と、推定器１
２と、表層流算出部１３と、結合係数更新部１４と、を備えている。なお、詳しくは後述するが、演算部１０は、データ出力部６から出力されたパラメータに基づき、風力特性を推定するようにも構成されている。

対地速度算出部１１は、ＧＰＳ信号受信部２から通知される自船の位置情報、及びその自船位置情報が取得された時刻に基づき、自船の対地速度（対地速度ベクトル）を算出する。具体的には、対地速度算出部１１は、少なくとも２つのタイミングにおける自船位置、及び各自船位置の位置情報が取得された時刻に基づき、自船の対地速度を算出する。対地速度算出部１１は、このようにして算出した対地速度を、表層流算出部１３及び結合係数更新部１４に通知する。

推定器１２は、自船の対水速度を推定するように構成されている。本実施形態では、推定器１２には、プロペラ回転数検出部３で検出された自船のプロペラの回転数、及び風向風速計で計測された船首方向真風速及び右舷方向真風速、が入力される。推定器１２は、これらの入力値の組み合わせによって特定される条件（ある回転数、ある船首方向真風速、及びある右舷方向真風速の組み合わせで特定される条件）に対応する値を、対水速度（対水速度ベクトル、本実施形態では、船首方向対水速度及び右舷方向対水速度）として、表層流算出部１３に出力する。なお、詳しくは後述するが、推定器１２には、データ出力部６から出力されたパラメータデータも入力され、推定器１２は、これらに対応する値を対水速度として画像生成部１５に出力する。

図２は、推定器１２の構成の一例を模式的に示す図である。本実施形態では、推定器１２は、一般的に知られているニューラルネットワークを用いて構成されている。具体的には、推定器１２は、入力層を構成する複数の入力ユニットＵ_ＩＮ＿１，Ｕ_ＩＮ＿２，Ｕ_ＩＮ＿３と、隠れ層を構成する複数の中間ユニットＵ_{ＭＩＤ＿１}，Ｕ_{ＭＩＤ＿２}，Ｕ_{ＭＩＤ＿３}と、出力層を構成する出力ユニットＵ_{ＯＵＴ＿１}，Ｕ_{ＯＵＴ＿２}と、を備えている。なお、図２に示す推定器１２の構成はあくまで一例であり、各層におけるユニット数、隠れ層の層数については、図２に示す限りでない。

推定器１２では、各入力ユニットＵ_ＩＮ＿１，Ｕ_ＩＮ＿２，Ｕ_ＩＮ＿３に各入力値（プロペラの回転数等）が入力されると、それらの入力値に対して結合係数Ｗ_Ｉ，Ｍが乗算されて、隠れ層の中間ユニットＵ_{ＭＩＤ＿１}，Ｕ_{ＭＩＤ＿２}，Ｕ_{ＭＩＤ＿３}に出力される。隠れ層の各中間ユニットＵ_{ＭＩＤ＿１}，Ｕ_{ＭＩＤ＿２}，Ｕ_{ＭＩＤ＿３}は、入力された各値を合計し、その合計値に基づく値に結合係数Ｗ_Ｍ，Ｏを乗算して出力ユニットＵ_{ＯＵＴ＿１}，Ｕ_{ＯＵＴ＿２}に出力する。出力ユニットＵ_{ＯＵＴ＿１}，Ｕ_{ＯＵＴ＿２}は、入力された各値を合計し、その合計値に基づく値を第２出力値として、表層流算出部１３及び結合係数更新部１４に出力する。なお、上記推定器１２に入力される値は、必ずしも、プロペラ回転数等、パラメータの値そのもののでなくてもよく、それらのパラメータと一対一の関係にある数値（例えば一例として、回転数と比例して変化する電圧値）等であってもよい。

推定器１２では、初期状態においては、各結合係数Ｗに適当な初期値が設定されている。そして、各結合係数Ｗは、結合係数更新部１４によって随時、更新される。具体的には、各結合係数Ｗは、推定器１２から出力される第２出力値と、対地速度算出部１１で算出された対地速度（教師信号）との誤差が少なくなるように、結合係数更新部１４によって更新される。これにより、推定器１２から出力される第２出力値は、詳しくは後述するが、結合係数Ｗが更新される毎に、自船の対水速度に収束していく。

表層流算出部１３は、推定器１２から出力された対水速度としての第２出力値、及び対地速度算出部１１で算出された対地速度に基づき、表層流の速度である表層流速度（表層
流速度ベクトル）を算出する。具体的には、表層流算出部１３は、対地速度から対水速度を減算することにより、表層流速度を算出する。

図３は、対地速度ベクトルＶ_Ｇと、対水速度ベクトルＶ_Ｗと、表層流速度ベクトルＶ_Ｔとの関係を示すベクトル図である。対地速度Ｖ_Ｇは、地表に対する速度であり、対水速度Ｖ_Ｗは、水面（海面）に対する速度である。また、表層流は、海の表層の部分における水の流れである。よって、対地速度ベクトルＶ_Ｇ、対水速度ベクトルＶ_Ｗ、及び表層流速度ベクトルＶ_Ｔの関係は、図３に示すように表すことができる。よって、表層流算出部１３が、上述のように、対地速度Ｖ_Ｇから対水速度Ｖ_Ｗを減算することにより、表層流速度Ｖ_Ｔが算出される。

結合係数更新部１４は、推定器１２から出力される第２出力値と、対地速度算出部１１で算出された対地速度（教師信号）との誤差が少なくなるように、推定器１２の結合係数Ｗを更新する。結合係数更新部１４は、例えば一例として、バックプロパゲーション（誤差逆伝播法）を用いて、結合係数Ｗを更新する。

表示部５には、表層流算出部１３で算出された表層流の向き及び大きさが表示される。これにより、ユーザは、自船位置における表層流の速度を知ることができる。

［推定器から出力される第２出力値について］
図４は、推定器１２から出力される第２出力値が、該推定器１２の結合係数Ｗが更新される毎に、対水速度に収束していく理由を説明するための図である。上述のように、推定器１２に記憶される各結合係数Ｗは、推定器１２から随時出力される値と、随時算出される教師信号としての対地速度との誤差が小さくなるように、結合係数更新部１４によって更新される。

表層流は、海域、時刻、気象条件等に起因して、その大きさ及び向きが異なる。よって、対水速度が同じ場合（すなわち、プロペラの回転数、船首方向真風速、及び右舷方向真風速が同じ場合）における対地速度には、あらゆる大きさ及び向きの表層流速度の成分が含まれていると考えられる。よって、これらを平均化すると（図４の場合におけるＶ_Ｇ１〜Ｖ_Ｇ６を平均化すると）、表層流速度成分が互いに打ち消し合い、対水速度成分が残る。すなわち、推定器１２の結合係数Ｗが、上述のように、推定器１２の第２出力値と対地速度との誤差が小さくなるように更新されていくと、対地速度に含まれる表層流速度成分の影響が徐々に小さくなるため、推定器１２の第２出力値は、対水速度に収束していく。従って、学習データ（対地速度データ）が十分に得られ、学習が十分進んだ段階においては（すなわち、結合係数が十分な回数、更新された段階においては）、推定器１２からの第２出力値を、対水速度と推定することができる。

表層流推定部８では、自船の航行中の所定のタイミング毎に、プロペラ回転数検出部３によって回転数が検出されるとともに、風向風速計４によって船首方向真風速及び右舷方向真風速が計測され、これらの情報は随時、推定器１２に出力される。推定器１２は、これらに基づき、自船の航行中において随時更新される結合係数Ｗを用いて、上記第２出力値を生成する。

［風力特性推定部の構成］
風力特性推定部９は、ＧＰＳ信号受信部２と、プロペラ回転数検出部３と、風向風速計４と、データ出力部６と、演算部１０を構成する構成要素の一部（具体的には、対地速度算出部１１、推定器１２、結合係数更新部１４、及び画像生成部１５）と、表示部５と、を備えている。ＧＰＳ信号受信部２、プロペラ回転数検出部３、及び風向風速計４は、上述した表層流推定部８の場合と同様の構成及び動作であるため、その説明を省略する。

データ出力部６は、自船の風力特性を導出させるための信号である指令信号Ｓを受けると、推定器１２に、複数のパラメータデータＤｎ（ｎ＝１，２，…）を順次、出力する。各パラメータデータＤｎには、プロペラの回転数を示すデータである回転数データＲ_１と、風速ベクトルを示すデータである風速ベクトルデータＶ_ＷＤｎ（ｎ＝１，２，…）と、が含まれている。各パラメータデータＤｎの回転数データＲ_１が示す回転数は互いに同じである一方、各パラメータデータＤｎの風速ベクトルデータＶ_ＷＤｎが示す風速ベクトルは、互いに異なっている。本実施形態では、データ出力部６は、風速ベクトルデータＶ_ＷＤｎとして、船首方向真風速及び右舷方向真風速を出力する。

なお、上述した指令信号Ｓは、例えば一例として、ユーザが、推定装置１に設けられた操作パネル（図示省略）を適宜、操作することにより、データ出力部６に送信される。このとき、ユーザは、例えば、所望の回転数Ｒ_１の値を操作パネルから入力することができる。

演算部１０は、上述のように、データ出力部６から出力されたパラメータデータＤｎに基づき、風力特性を推定するように構成されている。なお、演算部１０の対地速度算出部１１及び結合係数更新部１４については、上述した表層流推定部８の場合と同様の構成及び動作であるため、その説明を省略する。

上述のように、推定器１２は、自船の対水速度を推定するように構成されている。推定器１２には、データ出力部６から出力されたパラメータデータＤｎが入力され、これらに対応する値を対水速度Ｖ_ＷＴｎ（ｎ＝１，２，…）（本実施形態の場合、船首方向対水速度及び右舷方向対水速度）と推定し、この対水速度Ｖ_ＷＴｎを第１出力値として画像生成部１５に出力する。

また、推定器１２には、上述のように、複数のパラメータデータＤｎが入力される。そして、各パラメータデータＤｎの回転数データＲ_１が示す回転数は、互いに同じであり、各パラメータデータＤｎの風速ベクトルデータＶ_ＷＤｎが示す風速ベクトルは、互いに異なっている。これにより、推定器１２からは、プロペラの回転数が一定であって、且つ異なる方位から異なる大きさの風力が自船に作用する場合の対水速度Ｖ_ＷＴｎが、第１出力値として出力される。図５は、データ出力部６から出力される各パラメータデータＤｎと、推定器１２が各パラメータデータＤｎに基づいて推定する各対水速度Ｖ_ＷＴｎ（第１出力値）と、の対応関係について説明するための図である。

図６は、画像生成部１５によって生成される風力特性グラフの生成過程を説明するための図である。具体的には、画像生成部１５は、例えば一例として、始点位置が揃えられた複数の対水速度Ｖ_ＷＴｎ（ｎ＝１，２，…）のうち、各対水速度Ｖ_ＷＴｎを推定する際に用いられた風速ベクトルＶ_ＷＤｎの大きさが互いに同じ複数の対水速度Ｖ_ＷＴｎの終点同士を繋いで閉曲線を生成する（図６参照）。なお、図６では、図面が煩雑になるのを避けるため、風速ベクトルＶ_ＷＤｎの大きさが互いに同じ複数の対水速度_ＷＴｎのみを図示している。

図７は、画像生成部１５によって生成された風力特性グラフの一例を示す図である。図７に示す風力特性グラフより、例えば、自船に対して右方向からＶ_ＷＤ１［ｍ／ｓ］の風が作用している場合の自船の対水速度ベクトルがＶ_ＷＴＡであるため、自船の右舷方向対水速度がＶ_Ｘ１［ｍ／ｓ］、船首方向対水速度がＶ_Ｙ１［ｍ／ｓ］であることがわかる。また、自船に対して後方からＶ_ＷＤ２［ｍ／ｓ］の風が作用している場合の自船の対水速度ベクトルがＶ_ＷＴＢであるため、自船の右舷方向対水速度が０［ｍ／ｓ］、船首方向対水速度がＶ_Ｙ２［ｍ／ｓ］であることがわかる。また、自船に対して左方向からＶ_ＷＤ３
［ｍ／ｓ］の風が作用している場合の自船の対水速度ベクトルがＶ_ＷＴＣであるため、自船の右舷方向対水速度がＶ_Ｘ１［ｍ／ｓ］、船首方向対水速度がＶ_Ｙ１［ｍ／ｓ］であることがわかる。

すなわち、この風力特性グラフによれば、自船のプロペラの回転数が一定のときに、風の影響によって自船の対水速度がどの程度になるかを、視覚的に容易に知ることができる。

［効果］
以上のように、本実施形態に係る推定装置１の風力特性推定部９では、自船がある一定の回転数で航行する場合に、該自船の対水速度が、該自船に作用しうる風力によってどれだけ変化するかを推定することができる。

従って、風力特性推定部９によれば、自船の対水速度に影響を与えるパラメータである風速ベクトルと、該風速ベクトルに起因する自船の対水速度との関係性を、容易に把握できる。

また、風力特性推定部９では、推定器１２を、ニューラルネットワークを用いて構成している。これにより、対水速度を出力可能な推定器１２を適切に構成することができる。

また、風力特性推定部９では、推定器１２の第２出力値と、対地速度算出部１１で算出された対地速度との誤差が少なくなるように、推定器１２を更新している。これにより、学習機能を備えた推定器１２を構成することができる。しかも、風力特性推定部９では、正確な対水速度を推定するために必要な多量のデータを航行中に蓄積することができる。よって、これらの多数の学習データ（ある条件時における対地速度のデータ）を予め準備し、且つこれらの学習データに基づいて適切な結合係数を設定しておく手間を省くことができる。

以上、本発明の実施形態について説明したが、本発明はこれらに限定されるものではなく、本発明の趣旨を逸脱しない限りにおいて種々の変更が可能である。

［変形例］
（１）図８は、変形例に係る推定装置１ａの構成を示すブロック図である。本変形例に係る推定装置１ａの演算部１０ａは、上記実施形態の演算部１０と異なり、表層流算出部１３が省略された構成となっている。すなわち、本変形例に係る推定装置１ａは、表層流推定部８としての機能を有しておらず、風力特性推定部９として設けられている。よって、本変形例に係る推定装置１ａによれば、上記実施形態の場合と異なり、自船付近の表層流の推定はできないものの、上記実施形態の場合と同様にして、自船の風力特性を推定することができる。

（２）図９は、変形例に係る推定装置１ｂの構成を示すブロック図である。本変形例に係る推定装置１ｂは、図８に示す推定装置１ａと異なり、結合係数更新部１４が省略された構成となっている。すなわち、本変形例に係る推定装置１ｂは、学習機能を有さない。また、本変形例に係る推定装置１ｂは、ＧＰＳ信号受信部２、対地速度算出部１１、プロペラ回転数検出部３、及び風向風速計４も省略された構成となっている。

本変形例に係る推定装置１ｂでは、予め取得された多くの学習データ（ある条件時における対地速度のデータ）に基づいて結合係数Ｗが決定された推定器１２から出力される対水速度から、風力特性グラフが生成される。このような構成であっても、図８に示す推定装置１ａの場合と同様、自船がある一定の回転数で航行する場合に、該自船の対水速度が
、該自船に作用しうる風力によってどれだけ変化するかを容易に推定できる。

（３）図１０は、変形例に係る推定装置１ｃの構成を示すブロック図である。本変形例に係る推定装置１ｃは、図８に示す推定装置１と比べて、推定器１２ｃの構成が大きく異なっている。具体的には、推定器１２ｃが、ニューラルネットワークを用いて構成されておらず、記憶部１６及び更新部１７を備えた構成となっている。

図１１は、図１０に示す推定器１２ｃについて詳細に説明するための図である。

記憶部１６には、図１１に示すように、マトリックス状のテーブルが記憶されている。このテーブルには、風速風向の各値（Ｘ１，Ｘ２，Ｘ３，…）及び回転数の各値（Ｒ１，Ｒ２，Ｒ３，…）の組み合わせによって特定される各条件（テーブルの各セル部１６ａに対応）のときに算出された、対地速度が記憶されている。図１１では、１つの対地速度の値が、１つの丸印で示されている。すなわち、記憶部１６には、例えば、風速風向の値がＸ１であり且つ回転数の値がＲ１のときに算出された対地速度の値が、５つ、記憶されている。

推定器１２ｃに、プロペラ回転数検出部３で検出された回転数（例えばＲ２）と、風向風速計４で計測された風向風速（例えばＸ３）と、が入力されると、推定器１２ｃは、回転数がＲ２であり且つ風向風速がＸ３であるセル部１６ａに含まれる対地速度（図１１の場合、１１個）の平均値を算出する。そして、推定器１２ｃは、その平均値を出力値として出力する。

図４を用いて上述したように、ある条件（ある回転数及びある風向風速の組み合わせで特定される条件）における対地速度を平均化すると、対地速度に含まれる表層流速度成分が互いに相殺されるため、その平均値は、対水速度に近い値になる。従って、本変形例に係る推定器１２ｃによっても、適切に対水速度を推定することができる。

更新部１７は、推定器１２ｃに入力された回転数及び風向風速が検出されたタイミングにおいて算出された対地速度を用いて、記憶部１６に記憶されているテーブルを更新する。具体的には、所定の回転数（例えばＲ３）時及び所定の風向風速（例えばＸ２）時に算出された対地速度を、Ｒ３及びＸ２で特定されるセル部１６ａに追加する。この動作が随時、行われることにより、航行中であっても学習データが蓄積され、より正確に対水速度を推定することができる。すなわち、本変形例に係る推定器１２ｃも、学習機能を有している。その結果、より正確に風力特性を導出できる。

なお、本変形例において更新部１７を省略した構成とすることにより、学習機能を有さない推定装置１ｄを構成することができる（図１２参照）。この場合、記憶部１６に、予め所得した複数の学習データ（図１１における丸印１つに対応するデータ）を記憶させておく必要がある。

（４）図１３は、変形例に係る推定装置１ｅの構成を示すブロック図である。本変形例に係る推定装置１ｅは、図８に示す推定装置１ａに対して、学習係数設定処理部２０を更に設けた構成となっている。

推定器１２ｅは、上記実施形態の場合と同様、ニューラルネットワークを用いて構成されるとともに、いわゆる教師あり学習によって結合係数が随時、更新されるように構成されている。推定装置１ｅでは、該推定器１２ｅからの出力値と教師信号（対地速度）との誤差が計算される。そして、推定装置１ｅは、その誤差を学習信号として出力層側のユニットから入力層側のユニットへ伝播させながら、結合係数Ｗを更新していく。結合係数の
修正量は、次の（１）式で与えられる。

［数１］
ΔＷ_i,j ^n,n-1（ｔ）＝ηδ_i ⁿＸ_j ^n-1＋αΔＷ_i,j ^n,n-1（ｔ−１）…（１）

式（１）において、ΔＷ_i,j ^n,n-1（ｔ）は、ｎ−１層のユニットｊとｎ層のユニットｉの間の結合の重みに対する修正量、ηは学習係数、δ_i ⁿはｎ層目のユニットｉからｎ−１層の各ユニットへ戻される学習信号、Ｘ_j ^n-1はｎ−１層のユニットｊの出力値、αは安定化係数、ΔＷ_i,j ^n,n-1（ｔ−１）は前回の修正量、を示す。なお、ｎ−１層目の層は、ｎ層目の層よりも１つ、入力側の層である。

図１４は、学習係数設定処理部２０の構成を示すブロック図である。学習係数設定処理部２０は、式（１）における学習係数を随時、設定するためのものである。学習係数設定処理部２０は、図１４に示すように、記憶部２１と、ＳＯＭ更新部２２と、カウント部２３と、学習係数算出部２４と、学習係数設定部２５と、を有している。

図１５は、記憶部２１に記憶されるテーブルと、そのテーブルの各セルに対応して記憶される自己組織化マップＳＯＭと、を模式的に示す図である。図１５に示すように、記憶部２１には、所定のプロペラ回転数毎及び所定の風速風向毎にメッシュ状に切られたテーブルが記憶されている。このテーブルの各セルには、対応する自己組織化マップＳＯＭが記憶されている。本変形例の各自己組織化マップＳＯＭは、ｎ×ｎ個のユニットで構成された２次元ＳＯＭである。各ユニットには、入力ベクトルと同次元の参照ベクトルが記憶されている。初期状態（学習が行われていない状態）では、各ユニットには、適当な参照ベクトルが設定されている。

ＳＯＭ更新部２２は、入力ベクトル（所定のタイミング毎に入力されるプロペラの回転数、風向風速、対地速度、等で構成されるベクトル）に応じて、ＳＯＭを更新する。具体的には、ＳＯＭ更新部２２は、入力された回転数及び風向風速が含まれるセルに記憶されるＳＯＭを、以下のようにして更新する。

具体的には、ＳＯＭ更新部２２は、入力ベクトルとのユークリッド距離が最も近いユニットを勝者ユニットとし、その勝者ユニットに記憶される参照ベクトルと、勝者ユニットの周囲のユニットに記憶される参照ベクトルとを、次の（２）式に基づいて、更新する。

［数２］
ｍ_i（ｔ＋１）＝ｍ_i（ｔ）＋ｈ_i（ｔ）［ｘ（ｔ）−ｍ_i（ｔ）］…（２）

但し、ｍ_iは参照ベクトル、ｘ（ｔ）は入力ベクトル、ｈ_iは、ｃ・ｅｘｐ（−ｄｉｓ^２／α^２）で表される近傍関数である。近傍関数において、ｃは学習率係数、ｄｉｓ＝｜ｘ−ｍ_ｃ｜である。ここで、ｍ_ｃは、ｘ（ｔ）とのユークリッド距離を最小にする参照ベクトルである。

ＳＯＭ更新部２２は、随時入力される入力ベクトルによって、上述した式（２）を用いて、自己組織化マップＳＯＭを随時、更新する。

カウント部２３は、入力ベクトルとの差（ユークリッド距離）がある閾値以下となる参照ベクトルを有するユニットの数をカウントする。

学習係数算出部２４は、カウント部２３でカウントされた値の逆数をとり、その値を学習係数として算出する。すなわち、カウント値が多い場合（類似する入力データが多い場
合）には学習係数が小さくなり、カウント値が少ない場合（類似する入力データが少ない場合）には学習係数が大きくなる。

学習係数設定部２５は、学習係数算出部２４で算出された値を、推定器１２ｅに通知し、（１）式における学習係数ηとして設定する。推定器１２ｅは、その学習係数ηを用いて、（１）式に基づいて結合係数を更新した後、更新された結合係数に基づいて、対水速度ベクトルを算出する。

本変形例によれば、類似する学習データ（入力ベクトル）が多数、蓄積されている場合には、学習係数が小さくなる。この場合、上述した式（１）より明らかなように、結合係数の修正量ΔＷ_i,j ^n,n-1（ｔ）が小さくなる。一方、類似する学習データが蓄積されていない、又は少ししか蓄積されていない場合には、学習係数が大きくなる。この場合、式（１）より明らかなように、結合係数の修正量が大きくなる。これにより、本変形例によれば、類似する学習データが多く蓄積されることに起因する、推定器からの出力値の偏りを抑制することができる。

（５）図１６は、変形例に係る推定装置の学習係数設定処理部２６の構成を示すブロック図である。本変形例に係る学習係数設定処理部２６は、上述した変形例の学習係数設定処理部２０の場合と同様、ニューラルネットワークを用いて構成された推定器で用いられる式（１）の学習係数ηを設定するためのものである。しかし、本変形例に係る学習係数設定処理部２６は、上述した変形例の学習係数設定処理部２０と構成が異なる。本変形例の学習係数設定処理部２６は、図１６に示すように、記憶部２７と、学習係数算出部２８と、学習係数設定部２９と、を有している。

図１７は、記憶部２７に記憶されるテーブルと、そのテーブルの各セル（各エリア）に対応して記憶される学習データとを示す図である。図１７に示すように、記憶部２７には、上述した変形例の場合と同様、所定のプロペラ回転数毎及び所定の風速風向毎にメッシュ状に切られたテーブルが記憶されている。本変形例では、各エリアに記憶されている学習データが、各学習データの対地速度に応じてマッピングされている。具体的には、図１７に示すように、所定の船首方向対地速度毎、及び所定の右舷方向対地速度毎にメッシュ状に切られた複数のサブエリアを有するマップにおいて、各学習データが、対地速度に応じてマッピングされている。

学習係数算出部２８は、直近で入力された学習データが含まれるサブエリアに記憶される学習データの数（図１７の場合は４）を、該サブエリアが含まれるエリアの全サブエリアのうち最も学習データの数が多いサブエリアに記憶される学習データの数（図１７の場合はサブエリアＡの１０）で除算した値の逆数を正規化した値を、学習係数として設定する。そして、学習係数設定部２９は、上記変形例の学習係数設定部２５と同様、学習係数算出部２８で設定された学習係数を推定器に通知し、（１）式における学習係数ηとして設定する。このような構成であっても、学習係数を適切に設定することができる。

（６）図１８は、変形例に係る推定装置１ｆの構成を示すブロック図である。本変形例に係る推定装置１ｆは、図８に示す推定装置１ａに対して、学習進捗指標導出部１８を更に設けた構成となっている。

図１９は、画像生成部１５で生成された風力特性グラフの一例を示す図であって、学習進捗指標の導出過程を説明するための図である。学習進捗指標導出部１８は、図１９における右舷方向対水速度が一定のライン（基準ラインＬ１）に対する、図１９に示す対象ラインＬ２の傾きａを検出する。この対象ラインＬ２は、自船に対して後方から或る風速の風が作用する場合の対水速度の終点と、自船に対して前方から上記或る風速の風が作用す
る場合の対水速度の終点と、を結ぶ直線である。

一般的に、船舶は、左右対称の構造を有している。よって、十分な数の学習データが取得されていれば、風力特性グラフは、左右対称になると考えられる。一方、学習データの数が不十分であれば、風力特性グラフが図１９のように傾いて、基準ラインＬ１に対する対象ラインＬ２の傾きａが大きくなると考えられる。

これに対して、本実施形態に係る推定装置１ｆでは、学習進捗指標導出部１８が、上述のように傾きａを検出するとともに、その傾きａの大きさに応じて、学習の進捗度合を示す指標としての学習進捗指標を導出する。学習進捗指標としては、例えば一例として、パーセントで表示される数値が挙げられる。学習進捗指標導出部１８は、傾きａの大きさに応じた数値を、学習進捗指標として導出する。具体的には、学習進捗指標導出部１８は、傾きａが大きい場合（すなわち、十分な学習データが得られていないと考えられる場合）には、学習進捗指標として、低い値を導出する。一方、学習進捗指標導出部１８は、傾きａが小さい場合（すなわち、十分な学習データが得られていると考えられる場合）には、学習進捗指標として、高い数値を導出する。このように導出された数値は、表示部５に表示される。ユーザは、当該数値を見て、表示部５に表示される風力特性グラフの信頼度を、定量的に把握することができる。

なお、学習進捗指標は、上述のようなパーセントで表示される数値に限らず、その他の表示形態であってもよい。例えば、学習進捗指標は、複数段階にランク分けされたアルファベット（Ａは信頼度が高い、Ｂは信頼度が中間程度、Ｃは信頼度が低い）であってもよい。或いは、学習進捗指標は、表示部５に表示される風力特性グラフの色（青は信頼度が高い、黄は信頼度が中間程度、赤は信頼度が低い）であってもよい。

（７）図２０は、自動操舵装置３０の構成を示すブロック図である。自動操舵装置３０は、例えば、自船の舵３５を自動で操作することにより、自船の航路を自動制御するように構成されている。自動操舵装置３０は、推定装置１ｇと、制御部３１とを備えている。

推定装置１ｇは、図１に示す推定装置１に対して、外乱計算部１９を更に設けた構成となっている。外乱計算部１９は、推定装置１ｇで推定された自船付近の表層流速度、及び風力特性グラフから得られる風力推進速度（自船に対する風力に起因する自船の対水速度）に基づき、自船が受けた外乱（表層流及び風力）に起因する自船の速度（対地速度）を計算する。具体的には、外乱計算部１９は、前記表層流速度及び前記風力推進速度を足し合わせることで、前記外乱に起因する自船の速度を計算する。外乱計算部１９は、この外乱に起因する自船の速度を、制御部３１に通知する。

制御部３１は、ＧＰＳ信号受信部２で受信されたＧＰＳ信号に基づいて算出される自船の位置情報に基づき、予め想定した針路に沿って自船が航行するように、舵３５の方向を操作する。また、制御部３１は、外乱計算部１９で計算された、前記外乱に起因する自船の速度にも基づいて、舵３５の方向を操作する。

従来の自動操舵装置では、ＧＰＳ信号から得られる自船位置に基づいて舵の方向を制御していた。これに対して、図２０に示す自動操舵装置３０では、ＧＰＳ信号から得られる自船位置だけでなく、自船位置に影響を与える外乱（表層流、風力等）にも基づいて、舵３５の方向を制御している。これにより、海況に応じて素早く適切な操舵を行うことが可能になるため、想定した針路に沿ってより正確に航行することができる。

（８）図２１は、変形例に係る推定装置１ｈの構成を示すブロック図である。上述した実施形態及び各変形例では、船舶特性として風力特性を推定可能な推定装置を例に挙げて
説明した。これに対して、本変形例に係る推定装置１ｈは、船舶特性として主機特性を推定可能に構成されている。ここで、主機特性とは、船舶において推力を発生させるための機構部分の特性のことである。本実施形態に係る推定装置１ｈでは、プロペラの回転数に対するプロペラ推進速度を主機特性として算出可能である。なお、プロペラ推進速度とは、プロペラの回転に起因する船舶の対水速度である。

本変形例に係る推定装置１ｈは、表層流推定部８と、主機特性推定部９ｈ（船舶特性推定装置）と、を備えている。表層流推定部８の構成及び動作は、上述した実施形態に係る推定装置１の表層流推定部８と同じであるため、その説明を省略する。

［主機特性推定部の構成］
主機特性推定部９ｈは、ＧＰＳ信号受信部２と、プロペラ回転数検出部３と、風向風速計４と、データ出力部６ａと、演算部１０ｈを構成する構成要素の一部（具体的には、対地速度算出部１１、推定器１２ｈ、結合係数更新部１４、及び画像生成部１５ａ）と、表示部５と、を備えている。ＧＰＳ信号受信部２、プロペラ回転数検出部３、及び風向風速計４は、表層流推定部８の場合と同様の構成及び動作であるため、その説明を省略する。

データ出力部６ａは、自船の主機特性を導出させるための信号である指令信号Ｓを受けると、推定器１２ｈに、複数のパラメータデータＤｎ（ｎ＝１，２，…）を順次、出力する。各パラメータデータＤｎには、プロペラの回転数を示すデータである回転数データＲ_ｎ（ｎ＝１，２，…）と、風速ベクトルを示すデータである風速ベクトルデータＶ_ＷＤ１と、が含まれている。

本変形例では、上述した実施形態と異なり、各パラメータデータＤｎの風速ベクトルデータＶ_ＷＤ１が示す風速ベクトルは互いに同じである一方、各パラメータデータＤｎの回転数データＲ_ｎが示すプロペラの回転数は、互いに異なっている。本実施形態では、データ出力部６は、風速ベクトルＶ_ＷＤ１として、船首方向真風速及び右舷方向真風速を出力する。

なお、上述した指令信号Ｓは、例えば一例として、ユーザが、推定装置１ｈに設けられた操作パネル（図示省略）を適宜、操作することにより、データ出力部６ａに送信される。このとき、ユーザは、所望の風速ベクトルの値（例えば、０［ｍ／ｓ］）を操作パネルから入力することができる。

演算部１０ｈは、上述のように、データ出力部６ａから出力されたパラメータデータＤｎに基づき、主機特性を推定するように構成されている。なお、演算部１０ｈの対地速度算出部１１及び結合係数更新部１４については、上述した表層流推定部８の場合と同様の構成及び動作であるため、その説明を省略する。

上述のように、推定器１２ｈは、自船の対水速度を推定するように構成されている。推定器１２ｈには、データ出力部６ａから出力されたパラメータデータＤｎが入力され、これらに対応する値が、対水速度Ｖ_ＷＴｎ（ｎ＝１，２，…）の大きさ｜Ｖ_ＷＴｎ｜と推定され、第１出力値として画像生成部１５に出力される。

また、推定器１２ｈには、上述のように、複数のパラメータデータＤｎが入力される。そして、各パラメータデータＤｎの風速ベクトルデータＶ_ＷＤ１が示す風速ベクトルは、互いに同じであり、各パラメータデータＤｎの回転数データＲ_ｎが示すプロペラの回転数は、互いに異なっている。これにより、推定器１２ｈからは、自船に作用する風力が一定であって、且つプロペラの回転数が異なる場合の対水速度Ｖ_ＷＴｎの大きさ｜Ｖ_ＷＴｎ｜が出力される。図２２は、データ出力部６ａから出力される各パラメータデータＤｎと、
推定器１２ｈが各パラメータデータＤｎに基づいて推定する各対水速度Ｖ_ＷＴｎの大きさ｜Ｖ_ＷＴｎ｜、の対応関係について説明するための図である。

図２３は、画像生成部１５ａによって生成される主機特性グラフの一例を示す図である。画像生成部１５ａは、図２３の実線に示すような主機特性グラフを生成する。具体的には、画像生成部１５ａは、図２３に示す座標（縦軸が対水速度の大きさ、横軸がプロペラの回転数）に、推定器１２ｈから出力された各対水速度Ｖ_ＷＴｎの大きさであるプロペラ推進速度｜Ｖ_ＷＴｎ｜と、該各対水速度Ｖ_ＷＴｎを推定する際に用いられた回転数Ｒｎとで特定される点を、プロットする。そして、画像生成部１５ａは、プロットされた複数の点に基づき、回帰分析等によって図２３の実線に示すような曲線（主機特性）を算出する。そして、この主機特性グラフが、表示部５に表示される。

一般的に、主機特性は、新艇のトライアル時又は修理直後において、理想的な特性、具体的には、プロペラの回転数に対するプロペラ推進速度が速くなるような特性となる（図２３破線参照）。よって、例えば、新艇のトライアル時の主機特性と、現時点での自船の主機特性とを比較することにより、エンジンの劣化状態、船体表面の汚損状態等を推測することができる。ユーザは、これらの状態を知ることにより、より正確な運航計画、異常点検の必要性等を判断することができる。

以上のように、本変形例に係る推定装置１ｈの主機特性推定部９ｈでは、自船に一定の風力が作用している場合に、該自船の対水速度が、該自船のプロペラの回転数によってどれだけ変化するかを推定することができる。

従って、主機特性推定部９ｈによれば、自船の対水速度に影響を与えるパラメータであるプロペラの回転数と、該回転数に起因する自船の対水速度との関係性を、容易に把握できる。

また、主機特性推定部９ｈでは、推定器１２ｈを、ニューラルネットワークを用いて構成している。これにより、対水速度を出力可能な推定器１２を適切に構成することができる。

また、主機特性推定部９ｈでは、推定器１２ｈの第２出力値と、対地速度算出部１１で算出された対地速度との誤差が少なくなるように、推定器１２ｈを更新している。これにより、学習機能を備えた推定器１２ｈを構成することができる。しかも、主機特性推定部９ｈでは、正確な対水速度を推定するために必要な多量のデータを航行中に蓄積することができる。よって、これらの多数の学習データ（ある条件時における対地速度のデータ）を予め準備し、且つこれらの学習データに基づいて適切な結合係数を設定しておく手間を省くことができる。

（９）図２４は、変形例に係る推定装置１ｉの構成を示すブロック図である。本変形例に係る推定装置１ｉの演算部１０ｉは、図２１に示す演算部１０ｈと異なり、表層流算出部１３が省略された構成となっている。すなわち、本変形例に係る推定装置１ｉは、表層流推定部８としての機能を有しておらず、主機特性推定部９ｈとして設けられている。よって、本変形例に係る推定装置１ｉによれば、図２１に示す変形例の場合と異なり、自船付近の表層流の推定はできないものの、図２１に示す変形例の場合と同様にして、自船の主機特性を推定することができる。

なお、上記実施形態に係る推定装置１における変形例として説明した各変形例は、図２１及び図２４に示す変形例に適宜、適用することができる。また、上述した実施形態に係る推定装置１と、図２１又は図２４に示す推定装置を適宜、組み合わせることにより、自
船付近の表層流速度、自船の風力特性、及び自船の主機特性を推定可能な推定装置を構成することもできる。

（１０）図２１に示す変形例では、表示部５に主機特性グラフを表示することにより、現時点における主機の状態をユーザに通知したが、これに限らない。具体的には、主機の劣化状態を示す指標を、表示部において表示することもできる。

図２５は、表示部に表示される回転速度計７の一例を示す図である。回転速度計７には、回転速度の数値が記された目盛部７ａが設けられていて、指示針７ｂがプロペラの回転速度を指し示すように構成されている。

そして、本実施形態では、指示針７ｂの色が、主機の劣化状態を示す指標として機能する。具体的には、主機特性が劣化していない状態では、指示針７ｂの色が、図２５（Ａ）に示すように、例えば青色（ハッチングなし）で表示される。また、主機特性がやや劣化した状態では、指示針７ｂの色が、図２５（Ｂ）に示すように、例えば黄色（間隔が広いハッチング）で表示される。そして、主機特性が大きく劣化し修理が必要な状態になると、指示針７ｂの色が、図２５（Ｃ）に示すように、例えば赤色（間隔が狭いハッチング）で表示される。これにより、ユーザは、主機特性の劣化を視覚的に容易に認識することができる。

上述した主機特性の劣化状態は、例えば一例として、新艇のトライアル時又は修理直後の主機の所定回転数時におけるプロペラ推進速度と、現時点での主機の所定回転数時におけるプロペラ推進速度との比に基づいて、判定することができる。

なお、主機の劣化状態を示す指標としては、上述のような色に限らず、例えば、劣化状態に対応する模様とすることもでき、或いは、劣化状態に応じて回転速度計７の明度が徐々に暗くなるようにすることもできる。

（１１）図２６は、変形例に係る推定装置１ｊの構成を示すブロック図である。本変形例に係る推定装置１ｊは、図２４に示す推定装置１ｉに対して、学習進捗指標導出部１８ａを更に設けた構成となっている。

図２７は、画像生成部１５ａで生成された主機特性グラフの一例を示す図であって、学習進捗指標について説明するための図である。

主機特性グラフは、プロペラの回転数を変化させた場合における、自船のプロペラ推進速度を示すグラフであるため、プロペラの回転数が０のときには、理想的にはプロペラ推進速度は０となるはずである。よって、十分な数の学習データが取得されていれば、主機特性グラフにおいて、プロペラの回転数が０のときのプロペラ推進速度は０に近くなると考えられる。一方、十分な数の学習データが取得されていなければ、プロペラの回転数が０のときのプロペラ推進速度（図２７におけるｂ）の値は大きくなると考えられる。

これに対して、本実施形態に係る推定装置１ｊでは、学習進捗指標導出部１８が、図２７に示すプロペラ推進速度ｂの値を検出するとともに、プロペラ推進速度ｂの大きさに応じた数値を、学習進捗指標として導出する。具体的には、学習進捗指標導出部１８は、例えば一例として、上記プロペラ推進速度ｂの値を学習進捗指標として導出し、表示部５に表示する。ユーザは、当該数値を見て、表示部５に表示される主機特性グラフの信頼度を、定量的に把握することができる。

なお、学習進捗指標は、上述のようなプロペラ推進速度ｂに限らず、その他の表示形態
であってもよい。例えば、学習進捗指標は、複数段階にランク分けされたアルファベット（Ａは信頼度が高い、Ｂは信頼度が中間程度、Ｃは信頼度が低い）であってもよい。或いは、学習進捗指標は、表示部５に表示される主機特性グラフの色（青は信頼度が高い、黄は信頼度が中間程度、赤は信頼度が低い）であってもよい。

（１２）上述した実施形態及び各変形例では、表示部５に、風力特性（図７参照）又は主機特性（図２７）が表示されたが、これに限らず、例えば、表示部５に、所定時間後の自船位置を表示してもよい。

図２８は、本変形例に係る推定装置の表示部５で表示される、所定時間後の自船位置を示すマップの一例である。図２８に示すマップには、自船の現在地と、所定時間後の自船の予想位置とが表示される。図２８に示す例では、矢印の終点が、自船のプロペラがある回転数で回転し続けた場合の、所定時間後の自船位置Ｐを示している。また、図２８に示す楕円状の閉曲線は、自船に対する風力によって、自船が位置Ｐからどれだけ流されうるかを示している。例えば、点Ｐ１は、自船に対して左側から風速Ｖ_ＷＤ３［ｍ／ｓ］の風が作用し続けた場合の自船位置を示している。従って、本変形例によれば、自船に作用する風力の風速を考慮して、自船の未来位置を正確に予測することができる。

なお、自船の未来位置を予測するに当たり、上述した風力特性の他に、図１に示す推定装置１によって算出される自船付近の表層流の速度、図２１に示す推定装置１ｈによって推定される主機特性、等を考慮してもよい。これにより、より正確に自船の未来位置予測を行うことができる。

（１３）また、上述した実施形態及び各変形例において、学習データの蓄積が十分でない場合に、学習データを補完することもできる。

図２９は、学習データの補完について説明するための模式図である。船舶の形状は概ね左右対称であるため、風力特性も、左右対称となることが予想される。具体的には、例えば、ある条件下で航行している船が、左舷後方４５度の風を受けた場合と、右舷後方４５度の風（風速の大きさは互いに同じ）を受けた場合とでは、その進行方向が左右対称になると予想される。よって、図２９を参照して、例えば、プロペラ回転数が所定の回転数、風向が左舷後方４５度、風速が所定の大きさ、のときに、対地速度がＶ_Ｇであった場合、その学習データに基づいて、以下のようにデータを補完することができる。具体的には、プロペラ回転数及び風速の大きさは上記学習データと同じであり、風向が右舷後方４５度、のときの学習データとして、左右反転させたベクトルＶ'_Ｇを補完することができる。このように学習データを補完することにより、例えば学習データの蓄積が不十分な初期段階であっても、精度よく表層流、風力特性、主機特性等を推定することができる。

６，６ａ データ出力部
９，９ｂ，９ｃ，９ｄ，９ｅ，９ｆ 風力特性推定部（船舶特性推定装置）
９ｈ，９ｊ 主機特性推定部（船舶特性推定装置）
１２，１２ｃ，１２ｄ，１２ｈ 推定器

Claims (8)

1. 船舶のプロペラの回転数を示すデータである回転数データと、該船舶に作用しうる風力の風速ベクトルを示すデータである風速ベクトルデータと、がそれぞれに含まれる複数のパラメータデータ、を出力するデータ出力部と、
   前記データ出力部から出力された前記複数のパラメータデータを受け付けるとともに、各前記パラメータデータに対応する値を、前記船舶の対水速度ベクトルと推定し、該対水速度ベクトルを第１出力値として出力するように構成された推定器とを備え、
   前記複数のパラメータデータのそれぞれに含まれる前記回転数データが示す回転数は、互いに同じであり、
   前記複数のパラメータデータのそれぞれに含まれる前記風速ベクトルデータが示す風速ベクトルは、互いに異なり、
   各前記第１出力値は、前記回転数データが示す前記回転数で前記船舶が航行しているときの該船舶の対水速度ベクトルと推定されて出力されることを特徴とする、船舶特性推定装置。
2. 船舶のプロペラの回転数を示すデータである回転数データと、該船舶に作用しうる風力の風速ベクトルを示すデータである風速ベクトルデータと、がそれぞれに含まれる複数のパラメータデータ、を出力するデータ出力部と、
   前記データ出力部から出力された前記複数のパラメータデータを受け付けるとともに、各前記パラメータデータに対応する値を、前記船舶の対水速度ベクトルと推定し、該対水速度ベクトルを第１出力値として出力するように構成された推定器とを備え、
   前記複数のパラメータデータのそれぞれに含まれる前記回転数データが示す回転数は、互いに異なり、
   前記複数のパラメータデータのそれぞれに含まれる前記風速ベクトルデータが示す風速ベクトルは、互いに同じであり、
   各前記第１出力値は、前記風速ベクトルデータが示す前記風速ベクトルが前記船舶に作用しているときの該船舶の対水速度ベクトルと推定されて出力されることを特徴とする、船舶特性推定装置。
3. 請求項１又は請求項２に記載の船舶特性推定装置において、
   前記推定器は、ニューラルネットワークを用いて構成され、
   それぞれに、前記回転数データ及び前記風速ベクトルデータの一方が入力される少なくとも２つの入力ユニットと、
   前記第１出力値を出力する出力ユニットと
   を有し、
   前記ニューラルネットワークにおける入力側のユニットから出力される値には、結合係数が乗算された後、出力側のユニットに伝送されることを特徴とする、船舶特性推定装置。
4. 請求項３に記載の船舶特性推定装置において、
   海上を航行する前記船舶の対地速度ベクトルを算出する対地速度算出部と、
   前記プロペラの回転数を検出するプロペラ回転数検出部と、
   前記船舶に搭載されて該船舶に対する風力の風速ベクトルを計測する風速風向計と、
   を更に備え、
   各前記入力ユニットには、前記プロペラ回転数検出部で検出された前記プロペラの回転数、及び前記風速風向計で計測された前記風速ベクトル、の一方が入力され、
   前記出力ユニットからは、前記プロペラ回転数検出部で検出された前記プロペラの回転数、及び前記風速風向計で計測された前記風速ベクトル、の組み合わせにより特定される各条件に対応する値が、該船舶の対水速度ベクトルと推定されて第２出力値として出力さ
   れ、
   前記第２出力値と、前記対地速度算出部で算出された教師信号としての前記対地速度ベクトルとを比較するとともに、該第２出力値と該教師信号との誤差が少なくなるように、前記結合係数を更新する更新部
   を更に備えていることを特徴とする、船舶特性推定装置。
5. 請求項１又は請求項２に記載の船舶特性推定装置において、
   前記推定器は、前記船舶のプロペラの回転数、及び該船舶に対する風力の風速ベクトル、の組み合わせにより特定される各条件のときの前記船舶の対地速度ベクトルを、複数の前記条件毎に記憶する複数のセル部、を含む記憶部を有し、受け付けた各前記パラメータデータに含まれる前記回転数データ及び前記風速ベクトルデータの組み合わせに対応する前記条件で特定される前記セル部、に記憶される前記対地速度ベクトルの平均値を、前記第１出力値として出力することを特徴とする、船舶特性推定装置。
6. 請求項５に記載の船舶特性推定装置において、
   海上を航行する前記船舶の対地速度ベクトルを算出する対地速度算出部と、
   前記プロペラの回転数を検出するプロペラ回転数検出部と、
   前記船舶に搭載されて該船舶に対する風力の風速ベクトルを計測する風速風向計と、
   を更に備え、
   前記記憶部は、前記対地速度算出部で算出された前記対地速度ベクトルを、該対地速度ベクトルの算出に必要なデータが取得されたときに前記プロペラ回転数検出部で検出された前記回転数、及び前記風速風向計で計測された前記風速ベクトル、の組み合わせにより特定される前記セル部に記憶させる更新部、を更に備えていることを特徴とする、船舶特性推定装置。
7. 請求項１から請求項６のいずれか１項に記載の船舶特性推定装置において、
   前記推定器から出力される前記第１出力値に基づき、所定時間後において前記船舶が位置すると予測される範囲を表示する表示部、を更に備えていることを特徴とする、船舶特性推定装置。
8. 船舶に搭載され、ＧＮＳＳ信号を受信するＧＮＳＳ信号受信部と、
   前記ＧＮＳＳ信号受信部で受信されたＧＮＳＳ信号に基づいて算出される前記船舶の位置情報に基づき、該船舶の舵を制御する制御部と、
   を備えた自動操舵装置であって、
   請求項１から請求項７のいずれか１項に記載の船舶特性推定装置、を更に備え、
   前記制御部は、前記船舶特性推定装置の推定器から出力される前記第１出力値にも基づいて、前記船舶の舵を制御することを特徴とする、自動操舵装置。

Images