WO2015178410A1 - 横メタセンタ高さ推定装置及び横メタセンタ高さ推定方法 - Google Patents

横メタセンタ高さ推定装置及び横メタセンタ高さ推定方法 Download PDF

Info

Publication number
WO2015178410A1
WO2015178410A1 PCT/JP2015/064429 JP2015064429W WO2015178410A1 WO 2015178410 A1 WO2015178410 A1 WO 2015178410A1 JP 2015064429 W JP2015064429 W JP 2015064429W WO 2015178410 A1 WO2015178410 A1 WO 2015178410A1
Authority
WO
WIPO (PCT)
Prior art keywords
hull
metacenter height
height
roll
state
Prior art date
Application number
PCT/JP2015/064429
Other languages
English (en)
French (fr)
Inventor
玉島　正裕
克己 片岡
大介 寺田
秋彦 松田
仁 前野
孝二 林
Original Assignee
流体テクノ株式会社
国立研究開発法人水産総合研究センター
古野電気株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 流体テクノ株式会社, 国立研究開発法人水産総合研究センター, 古野電気株式会社 filed Critical 流体テクノ株式会社
Priority to US15/310,850 priority Critical patent/US20170088236A1/en
Priority to JP2016521124A priority patent/JP6610898B2/ja
Publication of WO2015178410A1 publication Critical patent/WO2015178410A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
    • B63B79/15—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers for monitoring environmental variables, e.g. wave height or weather data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/203—Specially adapted for sailing ships

Definitions

  • the present invention relates to a lateral metacenter height estimation apparatus and a lateral metacenter height estimation method.
  • the hull movement data is data relating to hull movement such as hull displacement and acceleration.
  • the hull state data is data relating to the state of the hull such as the draft of the hull, the amount of drainage, and the height of the horizontal metacenter (hereinafter also referred to as “GM”).
  • the sea conditions are information relating to sea conditions such as the wave height, wave period, and wave direction of the waves in the navigation area of the ship.
  • the hull movement data of these pieces of information has generally been obtained dynamically based on preset hull state data and sea conditions provided by an information provider such as the Japan Meteorological Agency. .
  • this method could not properly grasp hull movement data and hull state data. This is because the marine conditions provided by information agencies such as the Japan Meteorological Agency have a huge amount of information over a wide sea area, and are not local in the sea area where the ship is actually navigating and have low accuracy. Because it was.
  • Non-Patent Document 1 estimates marine conditions by analyzing ship motion data, which is non-stationary time series data, using a time-varying coefficient multivariate autoregressive (TVVAR) model. Technology is disclosed.
  • the hull state data is estimated based on the hull motion data as unsteady time series data.
  • the roll angle is one of the hull motion data.
  • GM which is one of the hull state data, is estimated based on the "time series data”. Specifically, the rolling natural frequency is first estimated based on the time-series data of the rolling angle, and then the GM is estimated based on the estimated rolling natural frequency.
  • Equation (1) T is the rolling natural period, C is the experimental constant, B is the width of the ship, d is the draft of the ship, and L is the length of the ship.
  • C indicating a different value depending on the cargo loading state is handled as a constant. Therefore, the accuracy of the estimated value of GM is low accordingly.
  • the present invention has been made in view of the above circumstances, and provides a lateral metacenter height estimation device and a lateral metacenter height estimation method capable of accurately estimating the lateral metacenter height. Objective.
  • a lateral metacenter height estimation apparatus includes a history storage means for storing time series data of a roll angle of a hull, and a roll of the hull stored by the history storage means.
  • Lateral metacenter height estimating means for estimating the horizontal metacenter height of the hull based on the time series data of the angle, wherein the lateral metacenter height estimating means first includes a time series of the roll angle of the hull.
  • FIG. 1 is a diagram illustrating a hardware configuration example of a sea state estimation system including a lateral metacenter height estimation apparatus according to the present embodiment.
  • This sea state estimation system 1 includes a satellite compass 2, an information processing device (lateral metacenter height estimation device) 3, and a display 4.
  • This sea state estimation system 1 is mounted on the hull of a ship.
  • the satellite compass (GPS compass) 2 is a device having a function as an azimuth sensor that calculates the azimuth of the hull from the relative positional relationship between two GPS antennas attached in the bow direction of the hull.
  • the satellite compass 2 also has a function as a shake sensor capable of measuring the roll (roll), pitch (pitch), and vertical (heave) of the hull. Note that a gyro sensor may be used instead of the satellite compass 2.
  • the information processing device 3 is a computer device including a memory device 31, an arithmetic processing device 32, an interface device 33, an input device 34, an auxiliary storage device 35, and a drive device 36 that are connected to each other via a bus 38.
  • the information processing device 3 estimates the horizontal metacenter height based on the information measured by the satellite compass 2. Also, the sea condition is estimated based on the estimated value of the horizontal metacenter height.
  • the information processing apparatus 3 corresponds to the “lateral metacenter height estimation apparatus” in the claims.
  • the information processing apparatus 3 and the display 4 described later may be configured integrally with the satellite compass 2.
  • the memory device 31 is a RAM that reads and stores a program (a program that realizes the functions of the hull state data calculation unit 23 and the sea state estimation unit 24 in FIG. 2) stored in the auxiliary storage device 35 when the information processing device 3 is activated. (Random Access Memory) and other storage devices.
  • the memory device 31 also stores files, data, and the like necessary for program execution.
  • the arithmetic processing device 32 is an arithmetic processing device such as a CPU (Central Processing Unit) that executes a program stored in the memory device 31.
  • the interface device 33 is an interface device for connecting to external devices such as the satellite compass 2 and the display 4.
  • the input device 34 is an input device (for example, a keyboard or a mouse) that provides a user interface.
  • the auxiliary storage device 35 is a storage device such as an HDD (Hard Disk Drive) that stores programs, files, data, and the like.
  • the auxiliary storage device 35 stores a program for realizing the functions of the hull state data calculation unit 23 and the sea state estimation unit 24 of FIG.
  • the drive device 36 is a device that reads a program stored in the storage medium 37 (for example, a program that realizes the functions of the hull state data calculation unit 23 and the sea state estimation unit 24 in FIG. 2).
  • the program read by the drive device 36 is installed in the auxiliary storage device 35.
  • the storage medium 37 is a storage medium such as a USB (Universal Serial Bus) memory or an SD memory card in which the above-described program is recorded.
  • the display 4 is an output device that outputs output data generated by the information processing device 3, for example, sea conditions.
  • FIG. 2 is a diagram illustrating a functional configuration example of a sea state estimation system including a lateral metacenter height estimation apparatus according to the present embodiment.
  • the same components as those in FIG. 1 are identical to FIG. 1 and FIG. 2 .
  • This sea state estimation system 1 is mounted on a ship.
  • the functions of the history storage unit 22, the hull state data calculation unit 23, and the sea state estimation unit 24 are realized by the information processing device 3.
  • the measurement unit 21 is a measurement unit that measures ship motion data of a ship on which the sea state estimation system 1 is mounted.
  • the hull motion data referred to here is data relating to the motion of the hull, such as the hull roll angle, pitch angle, and vertical displacement. It should be noted that the hull roll, the angular velocity of the pitch and the acceleration of the vertical shake may be used.
  • the measurement unit 21 is realized by the satellite compass 2 and the gyro sensor shown in FIG.
  • the history storage unit 22 is a history storage unit that stores a history of ship motion data measured by the measurement unit 21.
  • the history storage unit 22 stores time-series data of ship motion data for a certain period from the past to the present.
  • the history storage unit 22 is realized by the memory 31 of FIG. Note that the input source of the ship motion data history is not limited to the measurement unit 21. For example, another information processing apparatus that stores a history of ship motion data may be used as the input source.
  • the hull state data calculation unit 23 is a hull state data calculation unit that calculates hull state data based on a history of hull motion data for a certain period stored in the history storage unit 22.
  • the hull state data referred to here is data relating to the state of the hull such as the draft of the hull, the amount of discharged water, and the GM.
  • the hull state data calculation unit 23 is realized by the arithmetic processing unit 32 of FIG.
  • the hull state data calculation unit 23 corresponds to “lateral metacenter height estimation means” in the claims.
  • the sea state estimation unit 24 navigates the ship on which the sea state estimation system 1 is mounted. It is a sea condition estimation means that estimates local sea conditions in the middle sea area.
  • the sea conditions here are information relating to sea conditions such as the wave height, wave period, and wave direction of the waves in the navigation region of the ship.
  • the sea state estimation unit 24 is realized by the arithmetic processing unit 32 in FIG.
  • the output unit 25 is an output unit that outputs the hull state data calculated by the hull state data calculation unit 23 and the sea state conditions estimated by the sea state estimation unit 24.
  • the output unit 25 is realized by the display 4 of FIG.
  • the hull state data calculation unit included in the information processing device 3 based on the hull motion data measured by the measurement unit 21. 23 estimates the horizontal metacenter height, and then the sea condition estimation unit 24 estimates the sea condition.
  • the output unit 4 outputs the estimated horizontal metacenter height and the estimated sea condition.
  • FIG. 3 is a flowchart showing the control logic of the sea state estimation system including the lateral metacenter height estimation apparatus according to the present embodiment.
  • the sea state estimation system 1 repeatedly estimates sea state conditions by repeatedly performing the control logic of the series of steps S1 to S8 shown in FIG.
  • the horizontal metacenter height is estimated by repeatedly performing the processes of steps S1 to S3.
  • step S1 the measurement unit 21 measures ship motion data (S1). Specifically, the data of the hull roll angle, pitch angle, and vertical displacement are measured.
  • This step S1 may be performed sequentially in a series of repetitions of the processes of steps S1 to S8, or may be repeated as a process separate from steps S2 to S8 by batch processing or the like.
  • step S1 By repeatedly performing the process of step S1 shown in FIG. 3, time-series data of the roll angle, pitch angle, and vertical displacement of the fixed period from the past to the present, that is, data such as the angle for each time is obtained. Is stored in the history storage unit 22. Thereafter, the process proceeds to steps S2, S4 and S6.
  • step S2 the hull state data calculation unit 23 calculates (estimates) the rolling natural frequency based on the rolling angle time-series data (S2).
  • the process according to step S2 is a known technique, and an example thereof will be described below.
  • Equation (2) a second-order linear stochastic dynamic model (refer to the following equation (2)) for rolling time-series data x (t).
  • u (t) is an external force term treated as a stochastic process.
  • Expression (4) When Expression (4) is displayed in the vector format, it is expressed as the following Expression (5).
  • the rolling natural frequency is calculated (estimated) based on the rolling angle time-series data stored in the history storage unit 22.
  • the rolling natural frequency may be calculated by a method other than the method described above.
  • the rolling natural frequency may be calculated using a discrete autoregressive model.
  • step S3 the hull state data calculation unit 23 calculates (estimates) GM based on the rolling natural frequency calculated in step S2 (S3).
  • step S3 in the nonlinear observation model in which the rolling natural frequency (or the rolling natural period that is the reciprocal number) calculated in step S2 is used as observation data and the state variable is GM and the inertial radius, the state variable is a time-lapse. Assuming that it fluctuates slightly, this is considered as a system model, and the GM and the inertial radius are estimated simultaneously by performing a general state space model analysis.
  • Equation (6) T is the natural roll period (unit: s), f is the natural roll frequency (unit: Hz), k is the inertial radius (unit: m), and g is the acceleration of gravity of the earth (unit). : M / s 2 ).
  • Equation (6) GM (unit: m) and k are unknowns.
  • step S3 a state space model with two unknowns GM and inertial radius k as state variables is considered. That is, consider a non-linear observation model roll natural period T n is observed from the state estimator of GM n and k n at time n. By assuming that the state variable slightly fluctuates with time, and considering this as a system model, a general state space model shown in the following equation (7) is constructed. In equation (7), v n is system noise and w n is observation noise. Both are assumed to be regular white noise for simplicity.
  • step S3 state estimation is performed using a Monte Carlo filter, which is a kind of particle filter, based on the general state space model represented by Expression (7). Note that state estimation using a Monte Carlo filter is a known technique, and thus description thereof is omitted here.
  • the hull state data calculation unit 23 calculates the GM of the hull in real time by analyzing the time-series data of the roll angle for a certain period stored in the history storage unit 22. (Estimated). According to this method, it is possible to grasp in real time the change in the center of gravity and the degree of movement of the ship in the loaded state.
  • a substantially stable GM estimation result can be obtained.
  • the calculated value of GM is about 0.68 in the conventional method represented by the formula (1), whereas in the method according to the present embodiment, the GM value is about 0.68.
  • Estimates between 48 and 0.54 were calculated. Therefore, according to the method according to the present embodiment, it is possible to accurately estimate the GM.
  • a variable including a past variable for example, X n ⁇ 2 ) may be included before the previous period.
  • step S ⁇ b> 1 the hull state data calculation unit 23 analyzes the time series data of the vertical displacement stored in the history storage unit 22 in step S ⁇ b> 1, thereby The draft and the amount of drainage are calculated (S4).
  • the draft is calculated based on time series data of vertical displacement, the installation height of the GPS antenna (corresponding to the measurement unit 21 in FIG. 1), the inclination angle in the longitudinal direction of the ship, and the like. Calculate the amount of wastewater based on this.
  • step S5 the sea state estimation unit 24 calculates the current hull response of the hull based on the hull state data calculated in step S2 (S5).
  • the first method is to create a database by calculating the hull response function using the hull condition data (draft, GM), the ship speed, and the input sea state (wave height, wave period, wave direction) as parameters.
  • the hull response function corresponding to these current states is obtained by interpolation calculation.
  • the second method is a method of calculating a hull response function based on a calculation formula with the current state of the hull and sea state as inputs.
  • the sea state is an unknown quantity to be obtained from now, but it is a term necessary for calculating the hull response function, and an optimal response function is selected in real time by an iterative method as a nonlinear problem.
  • the response function here is a function having parameters such as a wave direction and a wavelength indicating how the hull responds (moves) when a wave having a regular wavelength is received from an arbitrary direction. .
  • an optimum hull response function is selected in real time according to the current hull motion (pitch, roll, heave) and ship speed measured by the measurement unit 21 (satellite compass 2). This makes it possible to determine the optimal hull response function even on actual seas where the ship speed changes every moment, and as a result, it is also possible to improve the accuracy related to the estimation of sea conditions described later. .
  • step S6 the hull state data calculation unit 23 performs each hull motion based on the vertical displacement, pitch angle, and roll angle recorded in the history storage unit 22 in step S1.
  • a cross spectrum of (rolling, pitching and shaking) is calculated (S6). Since the process according to step S6 is a known technique, the description thereof is omitted here.
  • the hull state data calculation unit 23 calculates the roll autospectrum based on the time series data of the displacement of the vertical shake (unit: m), the pitch angle (unit: rad), and the roll angle (unit: rad).
  • Vertical shake auto spectrum Unit: m 2 / s
  • Pitch-Vertical cross spectrum Unit: rad ⁇ m / s)
  • Roll-vertical cross spectrum unit: rad ⁇ m / s
  • pitch-roll cross spectrum unit: rad 2 / s
  • each hull motion (roll, pitch and vertical) )
  • the cross spectrum obtained for each frequency is stored in the history storage unit 22 as time series data.
  • step S7 the sea state estimation unit 24 calculates the current hull response calculated in step S5 and each hull motion (rolling, pitching, and vertical shaking) calculated in step S6. Based on the cross spectrum, a directional wave spectrum is calculated statistically (S7).
  • S7 a directional wave spectrum is calculated statistically (S7).
  • Equation (8) each of the portion surrounded by the root symbol and ⁇ (f, x) is the amplitude and phase of the component wave arriving from the direction x at the frequency f.
  • Equation (9) l and n are ship hull modes, and H l (f e , x) and H n * (f e , x) are response functions of the respective wobble modes.
  • X is the angle of encounter with the wave, and the symbol (*) is the complex conjugate.
  • Equation (11) the second to fourth terms on the right side indicate the contribution at the time of the follow-up, that is, the degree of the frequency component of the wave when navigating the follow-up included in the cross spectrum.
  • Equation (11) U is the ship speed and g is the gravitational acceleration.
  • Equation (12) can be discretized as the following equation (12).
  • K1 (0 ⁇ K1 ⁇ K / 2) represents the number of components that are in a follow-up state in the discrete integration range.
  • Equation (13) H (f 01 ) is a 3 ⁇ K matrix
  • H (f 02 ) and H (f 03 ) are 3 ⁇ K 1 matrices
  • E (f 01 ) is a K ⁇ K diagonal matrix
  • E (f 02 ) and E (f 03 ) are K1 ⁇ K1 diagonal matrices.
  • the symbol (T) is a transposed matrix.
  • the expression (13) can be expressed by a linear regression model represented by the following expression (14). .
  • y is a vector composed of a real part and an imaginary part of the cross spectrum matrix ⁇ (f e ).
  • A is a coefficient matrix composed of theoretical values of the response function of ship motion.
  • W is white noise with a statistical property of 0 on average and a variance-covariance matrix ⁇ .
  • x is an unknown vector composed of a discretized directional wave spectrum.
  • Equation (15) is formally equivalent to the observation model in the general state space model. Therefore, by introducing a smoothed prior distribution that the direction wave spectrum changes smoothly with respect to time as a system model (see the following equation (16)), the estimation of the direction wave spectrum is represented by the general state space shown in the following equation (16). It can result in the problem of model state estimation.
  • x t is the state vector
  • v t is the system noise vector
  • y t the observation vector
  • a t is the state transition matrix
  • W t is the observation noise vector.
  • F (x t ) means taking exponents for all elements.
  • elements of the state vector are configured as in the following equation (18).
  • Equation (18) is the number of divisions of the absolute frequency of the wave.
  • Expression (17) is a nonlinear observation model, that is, a nonlinear state space model. Therefore, it is necessary to use a method effective for nonlinear filtering for state estimation. Previously, particle filters were used, but this method is very computationally expensive. Thus, in this embodiment, a state estimation method using an ensemble Kalman filter is introduced. However, the ensemble Kalman filter cannot be applied in the form of Equation (17) as a non-linear observation model. To solve this problem, consider the expanded state vector shown in the following equation (19).
  • the sea state estimation unit 24 probabilistically calculates the directional wave spectrum based on the hull response calculated in step S5 and the cross spectrum of each hull motion calculated in step S6. Calculate (S7).
  • the direction wave spectrum is calculated in real time by probabilistically processing the time series data of the hull response and the cross spectrum of each hull motion for a certain period from the past to the present. . Therefore, a highly accurate directional wave spectrum can be derived.
  • the directional wave spectrum is estimated based on the state estimation by the ensemble Kalman filter. Therefore, the directional wave spectrum can be estimated with a much shorter calculation time than the conventional Monte Carlo filter. Can be realized.
  • step S8 the sea state estimation unit 24 estimates sea state conditions based on the directional wave spectrum calculated in step S7 (S8).
  • sea conditions such as wave direction, wave period, and significant wave height in the local sea area where the ship is navigating can be estimated based on the directional wave spectrum calculated in step S7.

Abstract

　船体の横揺れ角の時系列データを記憶する履歴記憶手段と、履歴記憶手段によって記憶された船体の横揺れ角の時系列データに基づいて、当該船体の横メタセンタ高さを推定する横メタセンタ高さ推定手段と、を有し、横メタセンタ高さ推定手段は、まず船体の横揺れ角の時系列データに基づいて横揺れ固有周波数を計算し、計算された横揺れ固有周波数を観測モデルとし、横メタセンタ高さと当該船体の慣動半径とを状態変数とする一般状態空間モデルに基づく状態推定により、横メタセンタ高さを推定することを特徴とする横メタセンタ高さ推定装置。

Description

横メタセンタ高さ推定装置及び横メタセンタ高さ推定方法 参照による取り込み
　本出願は、２０１４年５月２０日に出願された日本特許出願特願２０１４－１０４７８６の優先権を主張し、その内容を参照することにより、本出願に取り込む。
　本発明は、横メタセンタ高さ推定装置及び横メタセンタ高さ推定方法に関する。
　従来、不規則に変動する波浪上を航行する船舶では、安全性の観点からも、船体運動データ、船体状態データ及び海象条件を適切に把握することが重要である。船体運動データとは、船体の変位や加速度等の船体の運動に係るデータである。また船体状態データとは、船体の喫水、排水量、横メタセンタ高さ（以下、「ＧＭ」ともいう。）等の船体の状態に係るデータである。また海象条件とは、船舶の航行領域における波浪の波高、波周期、波向き等の海象に係る情報である。
　従来、これらの情報のうちの船体運動データについては、予め設定された船体状態データと、気象庁等の情報提供機関から提供される海象条件とに基づいて力学的に求めるのが一般的であった。
　しかしながら、この方法では適切に船体運動データや船体状態データを把握することができなかった。これは、気象庁等の情報提供機関から提供される海象条件が、広い海域に亘る情報量が膨大なものであり、現に船舶が航行している海域の局所的なものではなく且つ精度が低いものであったためである。
　そこで近年では、船舶に搭載された各種装置によって船体運動データを計測し、計測された非定常な時系列データである船体運動データに対して統計処理をリアルタイムに施すことによって、船体状態データや海象条件を統計的に推定する方法が報告されている（例えば、非特許文献１参照）。
　非特許文献１には、非定常な時系列データである船体運動データを、時変係数多変量自己回帰（ＴＶＶＡＲ：Time Varying Coefficient Vector AR）モデルを用いて解析することによって、海象条件を推定する技術が開示されている。
平山　次清、井関　俊夫、石田　茂資、"遭遇波浪のリアルタイム把握法と最新の成果"、日本造船学会、平成１５年１２月、ｐ．７４－９６
　さて、上記従来技術に示すように、非定常な時系列データとしての船体運動データに基づいて船体状態データを推定しているが、その一例として、船体運動データの一つである「横揺れ角の時系列データ」に基づいて、船体状態データの一つである「ＧＭ」を推定している。具体的には、まず横揺れ角の時系列データに基づいて横揺れ固有周波数を推定し、次に推定された横揺れ固有周波数に基づいてＧＭを推定している。
　しかしながら、従来の推定方法では、精度良くＧＭを推定することができなかった。これは、横揺れ固有周波数に基づいてＧＭを推定する際に、式（１）に示すような近似式を用いているためである。
Figure JPOXMLDOC01-appb-M000003
　式（１）において、Ｔは横揺れ固有周期、Ｃは実験定数、Ｂは船の幅、ｄは船の喫水、Ｌは船の長さである。式（１）では、貨物の積載状態などによって異なる値を示すＣを、定数として取り扱っている。そのため、その分ＧＭの推定値の精度が低いものとなってしまっていた。
　本発明は、上記のような事情に鑑みてなされたものであって、精度良く横メタセンタ高さを推定することが可能な横メタセンタ高さ推定装置及び横メタセンタ高さ推定方法を提供することを目的とする。
　上記の目的を達成するために、本発明に係る横メタセンタ高さ推定装置は、船体の横揺れ角の時系列データを記憶する履歴記憶手段と、前記履歴記憶手段によって記憶された船体の横揺れ角の時系列データに基づいて、当該船体の横メタセンタ高さを推定する横メタセンタ高さ推定手段と、を有し、前記横メタセンタ高さ推定手段は、まず前記船体の横揺れ角の時系列データに基づいて横揺れ固有周波数を計算し、計算された横揺れ固有周波数を観測モデルとし、横メタセンタ高さと当該船体の慣動半径とを状態変数とする一般状態空間モデルに基づく状態推定により、前記横メタセンタ高さを推定することを特徴とする。
　本発明によれば、精度良く横メタセンタ高さを推定することができる。
本実施形態に係る横メタセンタ高さ推定装置を含む海象推定システムのハードウェア構成例を示す図である。 本実施形態に係る横メタセンタ高さ推定装置を含む海象推定システムの機能構成例を示す図である。 本実施形態に係る横メタセンタ高さ推定装置を含む海象推定システムの制御ロジックの一例を示すフローチャートである。
　以下、本発明の実施形態について説明する。
　［システムのハードウェア構成］
　図１は、本実施形態に係る横メタセンタ高さ推定装置を含む海象推定システムのハードウェア構成例を示す図である。
　図１に示す海象推定システム１は、サテライトコンパス２、情報処理装置（横メタセンタ高さ推定装置）３、ディスプレイ４を備える。この海象推定システム１は船舶の船体に搭載される。
　サテライトコンパス（ＧＰＳコンパス）２は、船体の船首方向に取り付けられた２つのＧＰＳアンテナの相対的な位置関係から船体の方位を計算する方位センサーとしての機能を有する装置である。このサテライトコンパス２は、船体の横揺れ（ロール）、縦揺れ（ピッチ）、上下揺れ（ヒーブ）を計測可能な動揺センサーとしての機能も有するものとする。なお、サテライトコンパス２の代わりに、ジャイロセンサを用いても良い。
　情報処理装置３は、それぞれバス３８で相互に接続されたメモリ装置３１、演算処理装置３２、インターフェース装置３３、入力装置３４、補助記憶装置３５、ドライブ装置３６を備えるコンピュータ装置である。この情報処理装置３は、サテライトコンパス２によって計測された情報に基づいて横メタセンタ高さを推定する。また、横メタセンタ高さの推定値等に基づいて海象条件を推定する。この情報処理装置３が、特許請求の範囲の「横メタセンタ高さ推定装置」に対応する。なお、この情報処理装置３及び後述するディスプレイ４はサテライトコンパス２と一体的に構成されても良い。
　メモリ装置３１は、情報処理装置３の起動時に補助記憶装置３５に記憶されたプログラム（図２の船体状態データ計算部２３や海象推定部２４の機能を実現するプログラム）等を読み出して記憶するＲＡＭ（Random Access Memory）等の記憶装置である。このメモリ装置３１は、プログラムの実行に必要なファイル、データ等も記憶する。
　演算処理装置３２は、メモリ装置３１に格納されたプログラムを実行するＣＰＵ（Central Processing Unit）等の演算処理装置である。インターフェース装置３３は、サテライトコンパス２やディスプレイ４等の外部機器に接続するためのインターフェース装置である。入力装置３４は、ユーザインターフェースを提供する入力装置（例えばキーボード、マウス）である。
　補助記憶装置３５は、プログラムやファイル、データ等を記憶するＨＤＤ（Hard Disk Drive）等の記憶装置である。この補助記憶装置３５には、図２の船体状態データ計算部２３や海象推定部２４の機能を実現するプログラム等が記憶される。
　ドライブ装置３６は、記憶媒体３７に記憶されたプログラム（例えば、図２の船体状態データ計算部２３や海象推定部２４の機能を実現するプログラム）を読み出す装置である。ドライブ装置３６によって読み出されたプログラムは、補助記憶装置３５にインストールされる。記憶媒体３７は、上記のプログラム等を記録したＵＳＢ（Universal Serial Bus）メモリ、ＳＤメモリカード等の記憶媒体である。
　ディスプレイ４は、情報処理装置３によって生成された出力データ、例えば海象条件を画面出力する出力装置である。
　［システムの機能構成］
　図２は、本実施形態に係る横メタセンタ高さ推定装置を含む海象推定システムの機能構成例を示す図である。なお、以下の説明においては、図１と同様の構成要素については同一の符号を付して重複する説明を適宜省略する。
　図２に示す海象推定システム１は、計測部２１、履歴記憶部２２、船体状態データ計算部（横メタセンタ高さ推定部）２３、海象推定部２４、出力部２５を有する。この海象推定システム１は船舶に搭載される。なお、履歴記憶部２２、船体状態データ計算部２３及び海象推定部２４の各機能は、情報処理装置３によって実現される。
　計測部２１は、当該海象推定システム１が搭載された船舶の船体運動データを計測する計測手段である。ここでいう船体運動データとは、船体の横揺れ角、縦揺れ角及び上下揺れの変位等の船体の運動に係るデータである。なお、船体の横揺れ、縦揺れの角速度及び上下揺れの加速度でも良い。この計測部２１は図１のサテライトコンパス２やジャイロセンサによって実現される。
　履歴記憶部２２は、計測部２１によって計測された船体運動データの履歴を記憶する履歴記憶手段である。この履歴記憶部２２は、過去から現在までの一定期間の船体運動データの時系列データを記憶する。この履歴記憶部２２は図１のメモリ３１等によって実現される。なお、船体運動データの履歴の入力元は計測部２１に限定されるものではない。例えば、船体運動データの履歴を記憶している他の情報処理装置を入力元としても良い。
　船体状態データ計算部２３は、履歴記憶部２２によって記憶された一定期間の船体運動データの履歴に基づいて船体状態データを計算する船体状態データ計算手段である。ここでいう船体状態データとは、船体の喫水、排水量、ＧＭ等の船体の状態に係るデータである。この船体状態データ計算部２３は図１の演算処理装置３２等によって実現される。この船体状態データ計算部２３が、特許請求の範囲の「横メタセンタ高さ推定手段」に対応する。
　海象推定部２４は、履歴記憶部２２によって記憶された船体運動データの履歴と船体状態データ計算部２３によって計算された船体状態データとに基づいて、当該海象推定システム１が搭載された船舶が航行中の海域における局所的な海象条件を推定する海象推定手段である。ここでいう海象条件とは、船舶の航行領域における波浪の波高、波周期、波向き等の海象に係る情報である。この海象推定部２４は図１の演算処理装置３２等によって実現される。
　出力部２５は、船体状態データ計算部２３によって計算された船体状態データや、海象推定部２４によって推定された海象条件を出力する出力手段である。この出力部２５は図１のディスプレイ４等によって実現される。
　以上に示す構成により、本実施形態に係る海象推定システム１では、計測部２１によって計測された船体運動データに基づいて、情報処理装置３が有する船体状態データ計算部（横メタセンタ高さ推定部）２３が横メタセンタ高さを推定し、その後海象推定部２４が海象条件を推定する。出力部４は、推定された横メタセンタ高さや推定された海象条件を出力する。
　［システムの制御ロジック］
　図３は、本実施形態に係る横メタセンタ高さ推定装置を含む海象推定システムの制御ロジックを示すフローチャートである
+
　海象推定システム１は図３に示す一連のステップＳ１～Ｓ８の制御ロジックを繰り返し行うことによって、海象条件を繰り返し推定する。特に、ステップＳ１～Ｓ３の処理を繰り返し行うことによって、横メタセンタ高さを推定する。なお、以下、適宜図２を参照しながら説明する。
　まずステップＳ１において、計測部２１が船体運動データを計測する（Ｓ１）。具体的には、船体の横揺れ角、縦揺れ角、上下揺れの変位のデータを計測する。このステップＳ１は、一連のステップＳ１～Ｓ８の処理の繰り返しの中で逐次的に行っても良いし、バッチ処理等によってステップＳ２～Ｓ８とは別個の処理として繰り返し行っても良い。
　なお、図３に示すステップＳ１の処理を繰り返し行うことにより、過去から現在までの一定期間の横揺れ角、縦揺れ角、上下揺れの変位の時系列データ、すなわち時間毎の角度等のデータが、履歴記憶部２２に記憶される。その後、ステップＳ２、Ｓ４及びＳ６の各処理に進む。
　次にステップＳ２において、船体状態データ計算部２３は、横揺れ角の時系列データに基づき、横揺れ固有周波数を計算（推定）する（Ｓ２）。ステップＳ２に係る処理は既知の技術であるが、その一例を以下に説明する。
　すなわち、まず横揺れの時系列データx(t)に関する２階の線形確率力学モデル（次式（２）参照）を考える。なお、式（２）においてa1(=2α)は減衰係数、a2(=ω2)は固有角周波数ωの２乗、u(t)は確率過程として取り扱われる外力項を表しており、有限な分散を有するが特に白色性は仮定しない。
Figure JPOXMLDOC01-appb-M000004
　また、式（２）における外力項u(t)は、次式（３）に示すｍ階の連続型自己回帰モデルで表されるものとする。なお、式（３）においてbi(i=1,・・・,m)はモデルの係数、v(t)は平均0、分散σ２の正規白色雑音である。
Figure JPOXMLDOC01-appb-M000005
　式（２）を式（３）に代入することによって、次式（４）に示す白色化された(m+2)階の連続型自己回帰モデルが得られる。なお、式（４）においてci(i=1,・・・,m+2)はモデルの係数である。
Figure JPOXMLDOC01-appb-M000006
　式（４）をベクトル形式で表示すると、次式（５）のように表される。
Figure JPOXMLDOC01-appb-M000007
　この式（５）を離散化した上で、状態空間モデルのシステムモデルとして取り扱う。さらに、未知係数ci(i=1,・・・,m+2)を同時に推定するために、状態空間モデルの状態ベクトルに前述の未知係数ai，biを含めて考えることで、モデルを自己組織型状態空間モデルに拡張し、アンサンブルカルマンフィルタを用いた状態推定及び未知係数の推定を同時に行う。アンサンブルカルマンフィルタを用いた状態推定については既知の技術であるため、ここでは説明を省略する。
　以上に示す手順により、ステップＳ２では、履歴記憶部２２に記憶された横揺れ角の時系列データに基づいて、横揺れ固有周波数を計算（推定）する。なお、上記した方法以外の方法によって横揺れ固有周波数を計算しても良い。例えば、離散型の自己回帰モデルを用いて横揺れ固有周波数を計算しても良い。
　その後ステップＳ３において、船体状態データ計算部２３は、ステップＳ２で算出された横揺れ固有周波数に基づき、ＧＭを計算（推定）する（Ｓ３）。
　ステップＳ３では、ステップＳ２で算出された横揺れ固有周波数（又は逆数である横揺れ固有周期）を観測データとし、ＧＭと慣動半径を状態変数とする非線形観測モデルにおいて、状態変数が時間の経過と共に若干揺らぐと仮定してこれをシステムモデルと考え、一般状態空間モデル解析を行うことによってＧＭと慣動半径とを同時に推定する。
　すなわち、ステップＳ２で算出された横揺れ固有周波数f(=ω/2π)とＧＭとの間には、次式（６）に示す関係が成立する。なお、式（６）においてTは横揺れ固有周期（単位：ｓ）、ｆは横揺れ固有周波数（単位：Ｈｚ）、kは慣動半径（単位：ｍ）、gは地球の重力加速度（単位：ｍ／ｓ２）である。式（６）においてＧＭ（単位：ｍ）及びkが未知数である。
Figure JPOXMLDOC01-appb-M000008
　そこで、ステップＳ３では、二つの未知数ＧＭ及び慣動半径ｋを状態変数とする状態空間モデルを考える。すなわち、時刻ｎにおいてＧＭｎ及びｋｎの状態推定量から横揺れ固有周期Ｔｎが観測される非線形観測モデルを考える。状態変数が時間の経過と共に若干揺らぐと仮定してこれをシステムモデルと考えることによって、次式（７）に示す一般状態空間モデルを構成する。なお、式（７）においてvnはシステムノイズであり、wnは観測ノイズである。いずれも簡単のため正規白色雑音とする。
Figure JPOXMLDOC01-appb-M000009
　ステップＳ３では、式（７）で表される一般状態空間モデルに基づいて、粒子フィルタの一種であるモンテカルロフィルタを用いて状態推定を行う。なお、モンテカルロフィルタを用いた状態推定については既知の技術であるため、ここでは説明を省略する。
　以上に示すステップＳ２及びＳ３の処理により、船体状態データ計算部２３は、履歴記憶部２２に記憶された一定期間の横揺れ角の時系列データを解析することによって、船体のＧＭをリアルタイムに計算（推定）している。この手法によれば、載荷状態での重心位置の変化や船の運動程度をリアルタイムに把握することができる。
　また、ＧＭを推定するために一切の近似を利用しないため、概ね安定したＧＭの推定結果を得ることができる。例えば船舶の設計当時のＧＭが０．５２である場合に、式（１）で示す従来手法ではＧＭの算出値が０．６８程度であったのに対し、本実施形態に係る手法では０．４８～０．５４の間の推定値が算出された。従って、本実施形態に係る手法によれば、精度良くＧＭを推定することが可能である。なお、上記式（７）においては、一期前よりも過去の変数（例えばXn-2）が含まれる式にしても良い。
　図３に戻り、ステップＳ１からステップＳ４に進んだ場合、船体状態データ計算部２３は、ステップＳ１で履歴記憶部２２に記憶された上下揺れの変位の時系列データを解析することによって、船体の喫水、排水量を計算する（Ｓ４）。例えば、上下揺れの変位の時系列データ、ＧＰＳアンテナ（図１の計測部２１に対応）の設置高さ及び船舶の長手方向の傾斜角等に基づいて喫水を計算し、さらに計算された喫水に基づいて排水量を計算する。
　ステップＳ３及びＳ４からステップＳ５に進んだ場合、海象推定部２４は、ステップＳ２で計算された船体状態データに基づいて、当該船体の現在の船体応答を計算する（Ｓ５）。
　ステップＳ５の処理に際しては、以下の２つの方法があり、いずれかが採用される。一つ目の方法は、予め船体状態データ（喫水、ＧＭ）と船速と入力となる海象（波高、波周期、波向き）とをパラメータとして船体応答関数を計算してデータベースを作成しておき、現在のこれらの状態に相当する船体応答関数を補間計算により求める方法である。二つ目の方法は、現在の船体の状態、海象を入力として計算式に基づいて船体応答関数を計算する方法である。いずれにしても、海象は今から求める未知数であるが、船体応答関数を計算するには必要な項であり、非線形問題として繰り返し法により最適な応答関数をリアルタイムに選択する。なお、ここでいう応答関数とは、規則的な波長の波を任意の方向から受けた場合に船体がどのように応答（運動）するかを示す波向及び波長等をパラメータとする関数である。
　このステップＳ５に係る処理では、計測部２１（サテライトコンパス２）によって計測される現在の船体運動（ピッチ、ロール、ヒーブ）と船速に応じて最適な船体応答関数をリアルタイムに選択している。これにより、船速が刻々と変化する実際の海上であっても、最適な船体の応答関数を決定することができ、その結果として、後述する海象条件の推定に係る精度も向上させることができる。
　また、ステップＳ１からステップＳ６に進んだ場合、船体状態データ計算部２３は、ステップＳ１で履歴記憶部２２に記録された上下揺れの変位、縦揺れ角、横揺れ角に基づいて、各船体運動（横揺れ、縦揺れ及び上下揺れ）のクロススペクトルを計算する（Ｓ６）。ステップＳ６に係る処理は既知の技術であるため、ここでは説明を省略する。
　ステップＳ６において船体状態データ計算部２３は、上下揺れの変位（単位：m）、縦揺れ角（単位：rad）、横揺れ角（単位：rad）の時系列データに基づいて、横揺れオートスペクトル（単位：rad2/s）、縦揺れオートスペクトル（単位：rad2/s）上下揺れオートスペクトル（単位：m2/s）、縦揺れ－上下揺れのクロススペクトル（単位：rad・m／s）、横揺れ－上下揺れのクロススペクトル（単位：rad・m／s）、縦揺れ－横揺れのクロススペクトル（単位：rad2／s）からなる各船体運動（横揺れ、縦揺れ及び上下揺れ）のクロススペクトルを、周波数毎に求める。周波数毎に求められたクロススペクトルは、時系列データとして履歴記憶部２２に記憶される。
　ステップＳ５及びＳ６からステップＳ７に進んだ場合、海象推定部２４は、ステップＳ５で計算された現在の船体応答と、ステップＳ６で計算された各船体運動（横揺れ、縦揺れ及び上下揺れ）のクロススペクトルとに基づいて、方向波スペクトルを確率統計的に計算する（Ｓ７）。以下、ステップＳ７で用いられる本実施形態に係る理論とともに、当該処理を説明する。
　海洋波があらゆる方向から到来する全ての周波数を含む成分波の重ね合わせで表現できるものとすると、ある時間tにおける固定点（船舶位置）での海面変動量η(t)は、方向波スペクトルE(f,x) （単位：m2／（rad／s））を用いて次式（８）で示される。なお、式（８）においてルート記号で囲まれた部分及びε(f,x)のそれぞれは、周波数fで方向xから到来する成分波の振幅、位相である。
Figure JPOXMLDOC01-appb-M000010
　一方、船体動揺が波浪入力に対して線形応答であると仮定すると、ある波の出会い周波数feにおける方向波スペクトルE(fe,x)と船体動揺のクロススペクトルφln(fe)との関係は、一般的に次式（９）で示される。なお、式（９）においてlとnは船体動揺のモードであり、Hl(fe,x)、Hn*( fe,x)は各々の動揺モードの応答関数である。また、xは波との出会い角、記号(*)は複素共役である。
Figure JPOXMLDOC01-appb-M000011
　この式（９）は出会い周波数をベースに示されているので、これを絶対周波数をベースとする式（次式（１０）参照）に変換する。
Figure JPOXMLDOC01-appb-M000012
　式（１０）において、右辺第２項から第４項は追波時の寄与、すなわちクロススペクトルに含まれる追い波中を航行する際の波の周波数成分の度合いを示している。パラメータＡ、絶対周波数と対応する３つの出会い周波数f01、f02、f03及びヤコビアンはそれぞれ次式（１１）に示すように定義される。なお、式（１１）においてUは船速、gは重力加速度である。
Figure JPOXMLDOC01-appb-M000013
　ここで、出会い角xに関する積分範囲を十分に大きな数K個の微小区間に分けた場合の微小積分区間内での変動量の応答関数及び方向波スペクトルは、一定とみなすことが可能である。そのため、式（１０）を次式（１２）のように離散化することができる。なお、式（１２）においてK1(0≦K1≦K/2)は、離散的積分範囲の中で追波状態になるものの個数を表している。
Figure JPOXMLDOC01-appb-M000014
　ここで、縦揺れ角、横揺れ角及び上下変位の各々を任意の変動量θ、φ、ηとした場合のクロススペクトルΦ(fe)は３×３行列となり、式（１２）は、次式（１３）のようにマトリックス表示できる。なお、式（１３）においてH(f01)は3×K行列、H(f02)及びH(f03)は3×K1行列、E(f01)はK×Kの対角行列、E(f02)及びE(f03)はK1×K1の対角行列である。また、記号（T）は転置行列である。
Figure JPOXMLDOC01-appb-M000015
　クロススペクトル行列Φ(fe)はエルミート行列であるから、上三角行列のみを取り扱えばよい。また、式（１３）において実数部と虚数部を分けるとともに、観測に伴う誤差項Wを導入して表記する場合、式（１３）は次式（１４）で示す線形回帰モデルで表すことができる。
Figure JPOXMLDOC01-appb-M000016
　式（１４）において、yはクロススペクトル行列Φ(fe)の実部と虚部で構成されるベクトルである。Aは船体動揺の応答関数の理論値で構成される係数行列である。Wは統計的な性質が平均0、分散共分散行列Σにしたがう白色雑音である。xは離散化された方向波スペクトルから構成される未知ベクトルである。
　この式（１４）において、クロススペクトルが時系列的に得られるものとすると、それに対応して、方向波スペクトルを時系列的に推定することが可能になる。これは、式（１４）を時変システムとして捉えることに相当し、時刻を添字tで表して次式（１５）のように拡張できる。
Figure JPOXMLDOC01-appb-M000017
　式（１５）は、一般状態空間モデルにおける観測モデルと形式的に等価である。従って、方向波スペクトルが時間に関して滑らかに変化するという平滑化事前分布をシステムモデルとして導入する（次式（１６）参照）ことによって、方向波スペクトルの推定を次式（１６）に示す一般状態空間モデルの状態推定の問題に帰着できる。
Figure JPOXMLDOC01-appb-M000018
　式（１６）において、xtは状態ベクトル、vtはシステムノイズベクトル、ytは観測ベクトル、Atは状態遷移行列、Wtは観測ノイズベクトルである。ここで、方向波スペクトルが非負であることを考慮して状態ベクトルxtの対数を改めてxtと置き換えると、式（１６）は、次式（１７）に示す一般状態空間モデルに変形される。
Figure JPOXMLDOC01-appb-M000019
　ここで、F(xt)は、全ての要素に対して指数をとることを意味している。また、状態ベクトルの要素は、次式（１８）のように構成される。
Figure JPOXMLDOC01-appb-M000020
　式（１８）において、ｍは波の絶対周波数の分割数である。式（１７）は、非線形観測モデル、すなわち非線形な状態空間モデルである。従って、状態推定には非線形フィルタリングに有効な方法を用いる必要がある。従前は粒子フィルタを用いていたが、この方法は計算負荷が非常に高い。そこで、本実施形態ではアンサンブルカルマンフィルタによる状態推定法を導入するが、非線形観測モデルである式（１７）そのままの形ではアンサンブルカルマンフィルタを適用できない。この問題を解決するために、次式（１９）に示す拡大された状態ベクトルを考える。
Figure JPOXMLDOC01-appb-M000021
　また、次式（２０）に示す拡大観測行列及び拡大状態遷移ベクトルを考える。
Figure JPOXMLDOC01-appb-M000022
　その結果、xtについては次式（２１）となり、拡大システムモデルが得られる。またytについても次式（２２）に示す形式的に線形な拡大観測モデルを得ることができる。xt及びytは線形観測の拡大状態空間モデルとなるので、アンサンブルカルマンフィルタによる状態推定を実現できる。なお、アンサンブルカルマンフィルタの適用については既知の技術であるため、ここでは説明を省略する。
Figure JPOXMLDOC01-appb-M000023
Figure JPOXMLDOC01-appb-M000024
　以上に示すステップＳ７の処理により、海象推定部２４は、ステップＳ５で計算された船体応答と、ステップＳ６で計算された各船体運動のクロススペクトルとに基づいて、方向波スペクトルを確率統計的に計算する（Ｓ７）。
　このステップＳ７の処理によれば、過去から現在にかけての一定期間の船体応答及び各船体運動のクロススペクトルの時系列データを確率統計的に処理することによって、リアルタイムに方向波スペクトルを計算している。そのため、精度の高い方向波スペクトルを導き出すことができる。
　またこの手法によれば、アンサンブルカルマンフィルタによる状態推定に基づいて方向波スペクトルを推定しているので、従前のモンテカルロフィルタによる方法と比較して、格段に短い計算時間で精度の高い方向波スペクトルの推定が実現できる。
　なお、ステップＳ７の処理が終了すると、ステップＳ８に進み、海象推定部２４は、ステップＳ７で計算された方向波スペクトルに基づいて海象条件を推定する（Ｓ８）。ステップＳ８では、ステップＳ７で計算された方向波スペクトルに基づいて、船舶が航行中の局所的な海域における波向き、波周期、有義波高等の海象条件を推定することができる。
　以上、本発明の一実施形態について説明したが、上記実施形態は本発明の適用例の一つを示したものであり、本発明の技術的範囲を上記実施形態の具体的構成に限定する趣旨ではない。
１　海象推定システム
２　サテライトコンパス
３　情報処理装置（横メタセンタ高さ推定装置）
４　ディスプレイ
２１　計測部
２２　履歴記憶部
２３　船体状態データ計算部（横メタセンタ高さ推定部）
２４　海象推定部
２５　出力部

Claims (3)

  1. 　船体の横揺れ角の時系列データを記憶する履歴記憶手段と、
    　前記履歴記憶手段によって記憶された船体の横揺れ角の時系列データに基づいて、当該船体の横メタセンタ高さを推定する横メタセンタ高さ推定手段と、を有し、
    　前記横メタセンタ高さ推定手段は、前記船体の横揺れ角の時系列データに基づいて横揺れ固有周波数を計算し、計算された横揺れ固有周波数を観測モデルとし、横メタセンタ高さと当該船体の慣動半径とを状態変数とする一般状態空間モデルに基づく状態推定により、前記横メタセンタ高さを推定することを特徴とする横メタセンタ高さ推定装置。
  2. 　前記横メタセンタ高さ推定手段は、前記横揺れ固有周波数と前記横メタセンタ高さとの関係式（１）
    Figure JPOXMLDOC01-appb-M000001
     （但し、Ｔは横揺れ固有周期、ｆは横揺れ固有周波数、ｋは慣動半径、ｇは重力加速度、ＧＭは横メタセンタ高さ）において、時刻ｎにおける横メタセンタ高さＧＭｎ及び慣動半径kｎを状態変数とし、横揺れ固有周期Ｔｎを観測データとする式（２）
    Figure JPOXMLDOC01-appb-M000002
     （但し、Ｖｎはシステムノイズ、Ｗｎは観測ノイズ）で表される一般状態空間モデルに基づく状態推定を行うことによって、前記横メタセンタ高さＧＭを推定することを特徴とする請求項１に記載の横メタセンタ高さ推定装置。
  3. 　船体の横揺れ角の時系列データを履歴記憶部に記憶する履歴記憶工程と、
    　前記履歴記憶部に記憶された船体の横揺れ角の時系列データに基づいて、当該船体の横メタセンタ高さを推定する横メタセンタ高さ推定工程と、を含み、
    　前記横メタセンタ高さ推定工程では、まず前記船体の横揺れ角の時系列データに基づいて横揺れ固有周波数を計算し、計算された横揺れ固有周波数を観測モデルとし、横メタセンタ高さと当該船体の慣動半径とを状態変数とする一般状態空間モデルに基づく状態推定により、前記横メタセンタ高さを推定することを特徴とする横メタセンタ高さ推定方法。
PCT/JP2015/064429 2014-05-20 2015-05-20 横メタセンタ高さ推定装置及び横メタセンタ高さ推定方法 WO2015178410A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US15/310,850 US20170088236A1 (en) 2014-05-20 2015-05-20 Transverse metacenter height estimation device and transverse metacenter height estimation method
JP2016521124A JP6610898B2 (ja) 2014-05-20 2015-05-20 横メタセンタ高さ推定装置及び横メタセンタ高さ推定方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-104786 2014-05-20
JP2014104786 2014-05-20

Publications (1)

Publication Number Publication Date
WO2015178410A1 true WO2015178410A1 (ja) 2015-11-26

Family

ID=54554076

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/064429 WO2015178410A1 (ja) 2014-05-20 2015-05-20 横メタセンタ高さ推定装置及び横メタセンタ高さ推定方法

Country Status (3)

Country Link
US (1) US20170088236A1 (ja)
JP (1) JP6610898B2 (ja)
WO (1) WO2015178410A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101974784B1 (ko) * 2018-06-29 2019-09-05 주식회사 제이디 엔지니어링 선박 항해 운영 방법 및 선박 항해 운영 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108595870B (zh) * 2018-05-03 2022-06-14 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） 船舶甲板面的运动响应仿真方法、装置和实现装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57149935A (en) * 1981-03-11 1982-09-16 Utsuki Keiki:Kk Gm measuring device
JPS6167692A (ja) * 1984-09-11 1986-04-07 エブゲニ−　バシリエビチ　ナイデノフ 船舶の釣合い及び安定度の自動監視装置
WO1986002328A1 (en) * 1984-10-15 1986-04-24 Aker Engineering A/S A method and a system for determining the stability of a floating body
US4918628A (en) * 1985-12-18 1990-04-17 University Of Southampton Stability meter for floating objects

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57149935A (en) * 1981-03-11 1982-09-16 Utsuki Keiki:Kk Gm measuring device
JPS6167692A (ja) * 1984-09-11 1986-04-07 エブゲニ−　バシリエビチ　ナイデノフ 船舶の釣合い及び安定度の自動監視装置
WO1986002328A1 (en) * 1984-10-15 1986-04-24 Aker Engineering A/S A method and a system for determining the stability of a floating body
US4918628A (en) * 1985-12-18 1990-04-17 University Of Southampton Stability meter for floating objects

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101974784B1 (ko) * 2018-06-29 2019-09-05 주식회사 제이디 엔지니어링 선박 항해 운영 방법 및 선박 항해 운영 시스템

Also Published As

Publication number Publication date
JPWO2015178410A1 (ja) 2017-04-20
JP6610898B2 (ja) 2019-11-27
US20170088236A1 (en) 2017-03-30

Similar Documents

Publication Publication Date Title
JP6558760B2 (ja) 海象推定装置及び海象推定方法
Azam et al. A dual Kalman filter approach for state estimation via output-only acceleration measurements
Pascoal et al. Ocean wave spectral estimation using vessel wave frequency motions
Pascoal et al. Kalman filtering of vessel motions for ocean wave directional spectrum estimation
Banazadeh et al. Frequency domain identification of the Nomoto model to facilitate Kalman filter estimation and PID heading control of a patrol vessel
Amiri et al. Derivation of a new parametric impulse response matrix utilized for nodal wind load identification by response measurement
Wang et al. Sensitivity analysis and parametric identification for ship manoeuvring in 4 degrees of freedom
Malara et al. Maximum roll angle estimation of a ship in confused sea waves via a quasi-deterministic approach
KR101303417B1 (ko) 정보 처리 장치, 정보 처리 방법 및 기록 매체
Ertogan et al. Optimal trim control of a high-speed craft by trim tabs/interceptors Part I: Pitch and surge coupled dynamic modelling using sea trial data
JP6610898B2 (ja) 横メタセンタ高さ推定装置及び横メタセンタ高さ推定方法
CN111025909B (zh) 船舶运动控制系统的Kalman三自由度解耦滤波方法
Bryne et al. A virtual vertical reference concept for aided inertial navigation at the sea surface
Vukcevic et al. Seakeeping sensitivity studies using the decomposition CFD model based on the ghost fluid method
CN110703205A (zh) 基于自适应无迹卡尔曼滤波的超短基线定位方法
Selimović et al. Improving the performance of dynamic ship positioning systems: A review of filtering and estimation techniques
Arneson et al. Sea state estimation using quadratic discriminant analysis and partial least squares regression
Zhe et al. Adaptive complementary filtering algorithm for imu based on mems
Jelicic et al. Real-time assessment of flutter stability based on automated output-only modal analysis
Proletarsky et al. Method for improving accuracy of INS using scalar parametric identification
Damerius et al. A generic inertial navigation system
Tang et al. Modal analysis of multi-degree-of-freedom dynamic system based on non-stationary response data
Linder et al. A closed-loop instrumental variable approach to mass and center of mass estimation using IMU data
CN103336525B (zh) 随机系统高权值便捷ukf滤波方法
Hajivand et al. The effect of memory in passive nonlinear observer design for a DP system

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15796796

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2016521124

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15310850

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15796796

Country of ref document: EP

Kind code of ref document: A1