WO2023041788A1 - Estimating a quantity representative of driving power in a ship - Google Patents

Estimating a quantity representative of driving power in a ship Download PDF

Info

Publication number
WO2023041788A1
WO2023041788A1 PCT/EP2022/075985 EP2022075985W WO2023041788A1 WO 2023041788 A1 WO2023041788 A1 WO 2023041788A1 EP 2022075985 W EP2022075985 W EP 2022075985W WO 2023041788 A1 WO2023041788 A1 WO 2023041788A1
Authority
WO
WIPO (PCT)
Prior art keywords
ship
vessel
draft
statistical model
operating state
Prior art date
Application number
PCT/EP2022/075985
Other languages
French (fr)
Inventor
Yves PAQUETTE
Christophe LECLERCQ
Matthieu VANICAT
Original Assignee
Ose Engineering
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 Ose Engineering filed Critical Ose Engineering
Publication of WO2023041788A1 publication Critical patent/WO2023041788A1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B71/00—Designing vessels; Predicting their performance
    • B63B71/10—Designing vessels; Predicting their performance using computer simulation, e.g. finite element method [FEM] or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation

Definitions

  • the invention relates to the estimation of a quantity representative of a motive power in a ship.
  • An object of the present invention is to propose a method for obtaining a statistical model capable of estimating a quantity representative of a motive power in a ship, with a relatively limited number of simulations by a numerical method of fluid mechanics, which can therefore be performed in a relatively short computation time.
  • the present invention proposes a calculation method implemented by computer to obtain a statistical model capable of estimating a quantity representative of a motive power in a ship, the method comprising steps consisting of: - obtaining a statistical model by training with a supervised automatic learning method on a first set of learning data, the statistical model being capable of estimating a quantity representative of a driving power necessary to move a ship as a function of an operating state, the operating state being defined at least by a speed of the ship, a draft of the ship and an trim of the ship; a) generating a set of input vectors, each input vector defining a distinct and distinct operating state of all said training data; b) obtaining a set of simulation results, said set of simulation results being obtained from a plurality of simulations, each simulation consisting in simulating, by a numerical method of fluid mechanics, a flow of sea water around of the ship's hull for an input vector of said set of input data vectors, each simulation result comprising a quantity representative of a motive
  • Supervised learning method means a method of automatic learning (in English: “machine learning”; also referred to in French as artificial learning or statistical learning) consisting of learn a prediction function from annotated examples.
  • machine learning in English: “machine learning”; also referred to in French as artificial learning or statistical learning
  • a supervised machine learning method makes it possible to build a model suitable for forecasting from a plurality of examples for which the response to be predicted is known.
  • a supervised machine learning method is typically implemented by computer.
  • the step consisting in obtaining the statistical model is implemented by computer.
  • the statistical model to be trained within the framework of the present invention is capable of estimating a quantity representative of a motive power necessary to move a ship according to an operating state, the operating state being defined at least by a ship's speed, a ship's draft and a ship's trim.
  • the statistical model is therefore able to estimate a quantitative quantity (the representative quantity) from several other quantitative quantities (at least one speed of the ship, one draft of the ship and one trim of the ship); this implies that the statistical model is able to respond to a regression problem.
  • the statistical model is capable of estimating by calculation a quantity representative of a driving power necessary to move a ship according to an operating state, the operating state being defined at least by a speed of the ship, a draft of the ship and a trim of the ship, including for values of these quantities for which no simulation by a numerical method of fluid mechanics has been carried out.
  • the statistical model can therefore be used to estimate a quantity representative of the engine power required to move a ship forward, in real conditions of use on the ship.
  • the estimate of the representative quantity can then be used, for example, to predict the fuel consumption of the ship on a given voyage, and thereby predict the quantity of fuel to be taken on board the ship.
  • the statistical model is trained on said results of simulation. Conversely, when the difference parameter becomes less than the threshold, the process can be terminated and thus no more simulations can be carried out. Thus, the statistical model is not trained on more simulation results than necessary. This makes it possible to limit the number of simulations to be carried out, and in particular to carry out significantly fewer simulations than in a "naive" approach which would consist in simulating the hydrodynamic behavior of the ship in all the real conditions that it is likely to encounter in operation. Given the fact that each simulation requires a large calculation time, even with computer systems dedicated to fluid mechanics calculations, the method therefore makes it possible to obtain the desired statistical model in a relatively limited calculation time.
  • the steps of the method described above are implemented by a computer.
  • the method can be implemented automatically without human intervention. This makes it possible to limit or even eliminate the uncertainties linked to human intervention that may exist in the study of the behavior of a ship.
  • the process first requires providing a digital model of the ship's hull to be used for the simulations, and possibly setting the threshold with which the deviation parameter is compared.
  • the method may comprise one or more of the following characteristics.
  • the method comprises a preliminary definition step consisting in defining a set of operating states to be considered by the statistical model.
  • said set of operating states is defined by limit values of the speed of the ship, the draft of the ship and the trim of the ship, and by respective increments of vessel speed, vessel draft and vessel trim.
  • the method further comprises, after said definition step, a selection step consisting in selecting a subset of operating states from said set of operating states, and the first set of training data is relative to said subset of operating states.
  • the first set of training data is obtained partially or entirely from a plurality of simulations, each simulation consisting in simulating, by a numerical method of fluid mechanics, a flow of sea water around the ship's hull for an operating state of said subset of operating states.
  • the method can thus comprise, after said selection step, a simulation step consisting in carrying out a plurality of simulations, each simulation consisting in simulating, by a numerical method of fluid mechanics, a flow of sea water around the hull of the ship for an operating state of said subset of operating states.
  • the first set of learning data is obtained entirely from a plurality of such simulations.
  • the first set of training data only consists of the results of the simulations performed in the aforementioned simulation step.
  • the statistical model it is possible to use the statistical model to estimate a quantity representative of a driving power necessary to move a ship forward, in real conditions of use on the ship, even when the ship has not yet been built, as long as a digital model of the ship's hull is available to use for the simulations.
  • the selection step is carried out by an experimental design method, in particular a completely random experimental design method or an optimal experimental design method.
  • the supervised machine learning method is a Gaussian process regression method.
  • a regression method by Gaussian process is well suited to training the statistical model because it makes it possible to produce a statistical model capable of responding to a regression problem, for any set of input data, by training from a relatively limited amount of data. Nevertheless, it is possible to retain other supervised machine learning methods without departing from the scope of the present invention.
  • said representative quantity is a hydrodynamic resistance encountered by the hull of the ship or a mechanical power to be supplied by a propulsion machine on board the ship.
  • the representative quantity can be directly interpretable by a user such as a member of the ship's crew, and/or directly usable by a control-command system on board the ship.
  • said draft of the ship is considered at the level of a median perpendicular line of the ship.
  • said draft of the vessel is considered at a perpendicular line which is spaced from said median perpendicular line of the vessel by a predetermined distance.
  • the trim of the ship includes a difference between a draft at the bow of the ship and a draft at the stern of the ship.
  • said draft at the front of the vessel is considered at the level of the perpendicular line before the vessel.
  • said draft forward of the ship is considered at a perpendicular line which is spaced from said forward perpendicular line of the ship by a predetermined distance.
  • said draft at the rear of the ship is considered at the level of the rear perpendicular line of the ship.
  • said draft aft of the ship is considered at a perpendicular line which is spaced from said aft perpendicular line of the ship by a predetermined distance.
  • the present invention further provides a computing system comprising: - an input means configured to receive input data defining an operating state of the ship, the operating state being defined at least by a speed of the ship, a draft of the ship and an attitude of the ship ; - a processing means configured to estimate a quantity representative of a motive power necessary to advance the vessel in said operating state by means of the statistical model obtained by the aforementioned computer-implemented calculation method; And - an output means configured to output said quantity representative of a motive power.
  • the present invention further provides a computer-implemented method of obtaining a database, for obtaining a database usable for estimating a quantity representative of a motor power necessary to advance a vessel, the method comprising steps of: - generating a plurality of operating states, the operating state being defined at least by a ship's speed, a ship's draft and a ship's trim; - for each operating state thus generated: estimating a representative quantity using the statistical model obtained by the calculation method implemented by computer according to any one of the embodiments described above; and storing in a database the representative quantity estimated in association with the operating state.
  • the statistical model is capable of estimating by calculation the quantity representative of a motive power necessary to move a ship according to the operating state, including for operating states for which no simulation by a numerical method of fluid mechanics has been carried out, the calculation necessary to do so may be too long and/or require too many calculation resources to be able to be implemented on board a ship.
  • An idea underlying the method described above is therefore to carry out the majority of these calculations in advance on the basis of a plurality of operating states, which can be suitably chosen to cover the whole of an operational operating domain of the ship, and to store in a database the estimated representative quantity of the tank for each of these operating states in association with the operating state.
  • the representative quantity can then be obtained either by simple reading of the database when the operating state is present in the database, or by interpolation from the database otherwise. This requires much less computing time and computing resources than the estimation from the statistical model itself. As a result, the statistical model itself is no longer even necessary to perform the estimation by the statistical model on board the ship, the database alone being sufficient.
  • the estimation from the database can then be performed by a system on board the ship, or even by a ground station which communicates with the ship, for example by radio or satellite.
  • the present invention further provides a computer-implemented method for estimating a magnitude representative of motive power in a ship, the method comprising steps of; - obtain a ship's draft and a ship's trim; And - Obtain a ship's speed instruction; And - estimating a quantity representative of a driving power necessary to move the ship forward from the ship's speed setpoint, the ship's draft and the ship's trim and the database obtained by the method described above.
  • this process it is possible to estimate the representative quantity thanks to the statistical model trained beforehand on the basis of test data, by means of the database.
  • this estimation requires much less computing time and computing resources than the estimation from the statistical model itself, and can be performed by an on-board system on board the ship. or by a ground station that communicates with the ship.
  • the present invention further provides a management system for a ship, the system comprising: - A ship's trim evaluation device able to assess a ship's draft and a ship's trim; - Input means configured to obtain a vessel speed setpoint; And - a processing means configured to estimate a quantity representative of a driving power necessary to move the ship forward from the ship's speed setpoint, the ship's draft and the trim of the ship and the base of data obtained by the method described above.
  • FIG. 1 There is a block diagram representing a method for obtaining a statistical model capable of estimating a quantity representative of a motive power in the ship of the .
  • FIG. 1 There is a block diagram representing a method for obtaining a database that can be used in the management system of the .
  • a vessel 1 has been shown schematically in cross-section from the side.
  • the vessel 1 may in particular be a vessel carrying liquefied natural gas, and/or a vessel using liquefied natural gas for its propulsion (often referred to as an “LNG as vessel”). Fuel” in English).
  • the ship 1 comprises one or more sealed and thermally insulating tanks (not shown) containing the liquefied natural gas.
  • the following description is applicable to any type of vessel.
  • the ship 1 comprises a hull 10 partially submerged in sea water and machinery 20 located in the hull 10.
  • the reference 100 designates the waterline of the ship 1, while the reference 9 designates the waterline.
  • This management system comprises a central unit 1010 connected to a man-machine interface 1040.
  • This man-machine interface 1040 comprises a display means 1041 and a means of acquisition 1042.
  • the acquisition means 1042 allows an operator, such as a crew member of the ship 1, to enter various information, and in particular a desired speed V of the ship 1.
  • the display means 1041 allows d obtain various information relating to the operation of the ship 1, and in particular an estimate of a driving power necessary to make the ship 1 move forward at the speed V.
  • the management system 1000 further comprises a device 1020 for evaluating the trim of the ship, which is capable of evaluating a draft D of the ship 1 and a trim T of the ship 1.
  • a device 1020 for evaluating the trim of the ship which is capable of evaluating a draft D of the ship 1 and a trim T of the ship 1.
  • These quantities can be obtained by the device 1020 from indications provided by systems on board ship 1.
  • these quantities can also be entered by the operator using the acquisition means 1042, in the event of failure of the systems on board of the ship 1 or if the operator wishes to obtain the estimate of the engine power necessary to move the ship 1 forward at the speed V for a draft D and/or an trim T which are different from those measured by the shipboard systems 1.
  • the management system 1000 can optionally include a communication interface 1030 allowing the central unit 1010 to communicate with remote devices, for example to obtain meteorological data, ship position data or other.
  • the management system 1000 further comprises a database 1050.
  • This database 1050 can be used to estimate the engine power necessary to move the ship 1 forward at the desired speed V of the ship 1 as will be described below.
  • the statistical model is capable of estimating a quantity representative of a driving power necessary to move the ship 1 forward as a function of an operating state of the ship 1.
  • the steps of the method 500 are implemented by a computer (not represented ), using a suitable computer program.
  • An operating state of ship 1 is defined at least by a desired speed V of ship 1, a draft D of ship 1 and an trim T of ship 1.
  • ship trim 1 is meant a difference between the draft Tf at the front of the ship 1 and the draft Ta at the stern of the ship 1, also called “trim” in English.
  • Tf Tf - Ta.
  • Ta-Tf Tf - Ta.
  • the draft Tf can be considered at the forward perpendicular line FP and the draft Ta can be considered at the aft perpendicular line AP.
  • the front perpendicular line FP is the straight line perpendicular to the waterline 100 and passing through the intersection between the waterline 100 and the front of the hull 10 of the ship.
  • the rear perpendicular line AP is the straight line perpendicular to the waterline 100 and passing through the intersection between the waterline 100 and the rear of the hull 10 of the ship 1 in the forward direction of the ship 1.
  • the distance LP between the perpendicular lines FP and AP is the length between perpendiculars (“length between perpendiculars” in English, also denoted LPP, LBP or “Length BPP”), commonly used in the field of shipbuilding.
  • the draft Tf can be considered at the level of a perpendicular line FPM distant from the perpendicular line FP by a distance Fd, and/or the draft Ta can be considered at the level of a line perpendicular APM distant from the perpendicular line AP by a distance Ad.
  • the draft D of the ship 1 can be considered at the level of a median perpendicular line PM of the ship 1.
  • the draft D can be considered at the level of a perpendicular line PMM distant from the perpendicular line median PM distant from the perpendicular line PM by a distance Md.
  • Quantity representative of a motive power necessary to move the vessel 1 forward is meant any quantity which is correlated to the motive power necessary to move the vessel 1 forward. output the machinery 20, or even the hydrodynamic resistance R.
  • the method 500 includes a preliminary step 501 of definition consisting in defining a set of operating states to be considered by the statistical model.
  • the set of operating states is defined by: - limit values for speed V, draft D and trim T; And - respective increments ⁇ V, ⁇ D and ⁇ T of the speed V, the draft D and the trim T between these limit values.
  • a given operating state 301 can therefore be expressed in the form of a triplet ⁇ k1. ⁇ V, k2. ⁇ D, k3. ⁇ T ⁇ , where k1, k2 and k3 are relative integers.
  • the operating states can be defined in another way, as long as the speed V, the draft D and the trim T are each between two finite limit values.
  • the operating states can be defined by the speed V, the draft D and the trim T and by one or more other quantities relating to the operation of the ship 1.
  • step 502 consisting of selecting, from the set of operating states, a subset of operating states.
  • this step 502 is carried out by a design of experiments method.
  • the term "experiment design method” means a method allowing the selection, from a potentially very large set of experiments to be carried out to build or validate a model, a reduced subset of experiments which makes it possible to build or validate the model satisfactorily. Such methods are known as such, under the English name "design of experiments” or “experimental design”.
  • the design of experiment method is a completely randomized design of experiment method, for example a Latin hypercube sampling method. ").
  • the design of experiment method is an optimal design of experiment method, more particularly a D-optimal method (in English: “D-optimal design”).
  • step 503 the method 500 passes to a step 503 during which, for each of the operating states selected in step 502, a simulation is carried out.
  • Each simulation consists in simulating by a numerical method of fluid mechanics, for the operating state in question, a flow of sea water around the hull 10 of the ship 1. It is understood that such a simulation use of a previously established digital model of the hull 10 of the ship 1, at least of the part of the hull 10 of the ship 1 which is likely to be submerged while the ship 1 is sailing. Computational fluid mechanics methods are known as such, as are methods for designing numerical models of ship hulls, and are therefore not described in detail here.
  • the quantity representative of the engine power necessary to move the vessel 1 is calculated, based on the results of the simulation. it may be the hydrodynamic resistance R or a mechanical power that the machinery 20 must output.
  • the method 500 proceeds to a step 504 consisting in obtaining a statistical model by training by a supervised automatic learning method on a first set of learning data.
  • the statistical model is capable of estimating a quantity representative of a driving power necessary to move the ship 1 forward as a function of an operating state.
  • the operating state of the ship 1 is defined at least by its speed V, its draft D and its trim T.
  • the first set of learning data is consisting solely of the results of the simulations carried out in step 503.
  • the first set of learning data comprises the results of the simulations carried out in step 503 as well as other test data, for example actual data from navigational trials on model ship hulls and/or actual ship hulls.
  • the first set of training data comprises only such real data resulting from navigation tests.
  • the supervised machine learning method can be a Gaussian process regression method.
  • Gaussian process regression methods are well known as such; they are well suited to training the statistical model because they make it possible to produce a statistical model capable of responding to a regression problem, for any set of input data, by training from a relatively limited number of data. Nevertheless, it is possible to retain other supervised machine learning methods.
  • a statistical model is available which is capable of approximately estimating a quantity representative of a driving power necessary to move the ship 1 forward as a function of at least its speed V, its draft of water D and its plate T.
  • the steps 505 to 510 of the method 500 aim to improve the precision of the statistical model, by continuing to train the statistical model on new simulation results, as long as a deviation parameter is greater than a threshold (step 509).
  • Step 505 consists of generating a set of input vectors.
  • Each input vector defines a separate operating state.
  • each input vector defines an operating state distinct from all the operating states selected at step 502, in order to ensure that a new numerical simulation is not unnecessarily carried out at the step 506 for an operating state that would have already been simulated in step 503.
  • step 506 obtain a set of simulation results by performing a simulation for each of the input vectors generated in step 505.
  • This step 506 is identical to step 502, except that the operating states used are different, and is therefore not described again;
  • step 507 obtaining estimation results by the statistical model for each of the input vectors generated in step 505.
  • each input vector is supplied as input to the statistical model, the statistical model supplies as output a estimation of the quantity representative of a driving power necessary to move the ship 1 forward in the operating state defined by the said input vector, and the estimation provided by the statistical model is taken as the estimation result.
  • Steps 506 and 507 can be performed one after the other in any order, or can be performed in parallel.
  • the method 500 passes to a step 508 consisting in calculating a difference parameter between the estimation results obtained at step 507 and the simulation results obtained at step 506.
  • This parameter d The difference can be, for example, an average difference between the estimation results and the simulation results.
  • step 508 the method 500 passes to a step 509 consisting in comparing the deviation parameter with a threshold fixed in advance.
  • step 510 consisting in training the statistical model on a second set of learning data consisting of the set of input vectors generated in step 505 and the set of simulation results obtained in step 506.
  • the training of the statistical model carried out in step 510 employs the same supervised machine learning method as that employed in step 504.
  • the statistical model gains in precision thanks to the new data points which are the results of simulations obtained at step 506.
  • steps 505 to 509 are repeated.
  • the method 500 proceeds to a final step 511 consisting of saving the trained statistical model in memory, for later use.
  • step 501 the set of operating states (step 501) and to provide the digital model of the hull 10 of the ship 1 used for the simulations of steps 503 and 506, and possibly to set the threshold used in step 509.
  • a statistical model is available which is capable of estimating a quantity representative of a driving power necessary to make the ship 1 move forward as a function at least of its speed. V, its draft D and its trim T, and this for any value of the triplet ⁇ V, D, T ⁇ , including for which no simulation has been performed.
  • the calculation necessary to do this may be too long and/or require too many calculation resources to be able to be implemented on board the ship 1, for which it may be desirable to obtain the estimate as quickly as possible and with the least expensive embedded system possible.
  • a process 600 is implemented, the steps of which are represented on the block diagram of the .
  • the method steps 600 are implemented by a computer (not shown), using a suitable computer program.
  • the method 600 comprises: a step 601 consisting in generating a plurality of operating states, followed by a step 602 consisting in, for each operating state: obtaining estimating the representative quantity using the statistical model obtained by process 500; and storing in a database the estimated representative quantity in association with the operating state.
  • a step 603 the database obtained in step 602 is transmitted to the management system 1000, or else stored on a computer-readable recording medium.
  • the database 1050 is thus obtained, the use of which we will now describe.
  • FIG. 10 There is a block diagram representing the steps of a method 700 for estimating a quantity representative of a motive power in a ship.
  • the block diagram of the is implemented entirely on the central unit 1010 forming a single processing means.
  • the method 700 comprises a first step 701 consisting in obtaining a speed setpoint V of the ship 1, the draft D of the ship 1 and the trim T of the ship 1.
  • the speed setpoint V of the ship 1 can for example be entered by the operator using the acquisition means 1042.
  • the draft D and the trim T can be obtained by the device 1020 from indications provided by systems on board the vessel 1, or entered by the operator using the acquisition means 1042.
  • Method 700 includes a second step 702 of generating an input data vector comprising the data determined in step 701.
  • the method 700 further comprises a third step 703 consisting in estimating the representative quantity from the input data vector generated in step 702 and from the database 1050. More concretely, if it happens that the vector input data is present in the database 1050, the representative quantity is obtained by simply reading the database 1050. However, more typically, the database 1050 will not contain the input data vector, but input data close to those contained in the input data vector. In this case, the representative quantity will be obtained by interpolation of the representative quantity associated with two or more neighboring input data vectors present in the database 1050.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Optimization (AREA)
  • Fluid Mechanics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Ocean & Marine Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

A statistical model is able to estimate a quantity representative of the driving power needed to drive a ship (1) forward as a function of an operating state, the operating state being defined at least by a velocity V of the ship, a draft D of the ship (1) and a trim T of the ship (1). The statistical model is obtained by training using a supervised machine learning method on a first learning dataset. The statistical model is additionally trained on a second learning dataset obtained from results of simulations of the flow of seawater around the hull (10) of the ship (1) using a numerical fluid mechanics method, and this is carried out iteratively until a difference parameter is lower than a threshold.

Description

Estimation d’une grandeur représentative d’une puissance motrice dans un navireEstimation of a quantity representative of a motive power in a ship
L’invention se rapporte à l’estimation d’une grandeur représentative d’une puissance motrice dans un navire.The invention relates to the estimation of a quantity representative of a motive power in a ship.
Arrière-plan technologiqueTechnology background
Dans le but de planifier une route d’un navire entre un point de départ et un point d’arrivée, on peut souhaiter estimer une puissance motrice nécessaire pour faire avancer le navire à une vitesse donnée, notamment dans le but de prédire la consommation de carburant du navire sur un voyage donné, et par là prédire la quantité de carburant à embarquer à bord du navire. For the purpose of planning a ship's route between a point of departure and a point of arrival, one may wish to estimate the engine power necessary to move the ship at a given speed, in particular for the purpose of predicting the consumption of ship's fuel on a given voyage, and thereby predict the amount of fuel to be taken on board the ship.
Habituellement, une telle estimation peut être obtenue à partir d’essais de navigation en conditions réelles.Usually, such an estimate can be obtained from navigational trials in real conditions.
Toutefois, une telle estimation peut aussi être souhaitée dans le cadre de la conception d’un navire, donc avant qu’il soit possible de réaliser des essais de navigation. Dans ce cas, il est possible de réaliser des simulations par une méthode numérique de mécanique des fluides (« Computational Fluid Dynamics » ou CFD en anglais), afin d’estimer la résistance hydrodynamique rencontrée par la coque du navire à une vitesse donnée, et par là d’estimer la puissance motrice nécessaire pour surmonter cette résistance hydrodynamique. Le document CN 110110352 A, par exemple, divulgue une méthode faisant intervenir des simulations par une méthode numérique de mécanique des fluides qui est adaptée pour cela.However, such an estimate may also be desired as part of the design of a ship, so before it is possible to carry out navigation tests. In this case, it is possible to carry out simulations by a numerical method of fluid mechanics ("Computational Fluid Dynamics" or CFD in English), in order to estimate the hydrodynamic resistance encountered by the hull of the ship at a given speed, and thereby to estimate the motive power necessary to overcome this hydrodynamic resistance. Document CN 110110352 A, for example, discloses a method involving simulations by a numerical method of fluid mechanics which is suitable for this.
Toutefois, un navire est susceptible de rencontrer une très grande variété de conditions réelles d’exploitation, non seulement en termes de vitesse, mais aussi en termes de tirant d’eau et d’assiette, selon son chargement et son ballastage. Or il serait infaisable de simuler par une méthode numérique de mécanique des fluides le comportement hydrodynamique du navire dans toutes ces conditions réelles, le temps de calcul nécessaire étant trop grand, même avec des systèmes informatiques dédiés aux calculs de mécanique des fluides.However, a vessel is likely to encounter a very wide variety of actual operating conditions, not only in terms of speed, but also in terms of draft and trim, depending on its loading and ballasting. However, it would be infeasible to simulate by a numerical method of fluid mechanics the hydrodynamic behavior of the ship in all these real conditions, the necessary calculation time being too great, even with computer systems dedicated to calculations of fluid mechanics.
RésuméSummary
Un but de la présente invention est de proposer un procédé pour obtenir un modèle statistique apte à estimer une grandeur représentative d’une puissance motrice dans un navire, avec un nombre relativement limité de simulations par une méthode numérique de mécanique des fluides, qui peuvent donc être effectuées en un temps de calcul relativement réduit.An object of the present invention is to propose a method for obtaining a statistical model capable of estimating a quantity representative of a motive power in a ship, with a relatively limited number of simulations by a numerical method of fluid mechanics, which can therefore be performed in a relatively short computation time.
Selon un mode de réalisation, la présente invention propose un procédé de calcul mis en œuvre par ordinateur pour obtenir un modèle statistique apte à estimer une grandeur représentative d’une puissance motrice dans un navire, le procédé comprenant des étapes consistant à :
- obtenir un modèle statistique par entraînement par une méthode d’apprentissage automatique supervisé sur un premier ensemble de données d’apprentissage, le modèle statistique étant apte à estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer un navire en fonction d’un état d’exploitation, l’état d’exploitation étant défini au moins par une vitesse du navire, un tirant d’eau du navire et une assiette du navire ;
a) générer un ensemble de vecteurs d’entrée, chaque vecteur d’entrée définissant un état d’exploitation distinct et distinct de toutes lesdites données d’apprentissage ;
b) obtenir un ensemble de résultats de simulations, ledit ensemble de résultats de simulations étant obtenu à partir d’une pluralité de simulations, chaque simulation consistant à simuler, par une méthode numérique de mécanique des fluides, un écoulement d’eau de mer autour de la coque du navire pour un vecteur d’entrée dudit ensemble de vecteurs de données d’entrée, chaque résultat de simulation comportant une grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire dans l’état d’exploitation défini par ledit vecteur d’entrée ;
c) obtenir des résultats d’estimation par le modèle statistique pour chaque vecteur d’entrée dudit ensemble de vecteurs d’entrée, chaque résultat d’estimation comportant une estimation de la grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire dans l’état d’exploitation défini par ledit vecteur d’entrée ;
d) calculer un paramètre d’écart entre les résultats d’estimation et ledit ensemble de résultats de simulation ; et
e) si le paramètre d’écart est supérieur à un seuil, entraîner le modèle statistique par ladite méthode d’apprentissage automatique supervisé sur un deuxième ensemble de données d’apprentissage constitué dudit ensemble de vecteurs d’entrée et dudit ensemble de résultats de simulations, et répéter les étapes a) à e).According to one embodiment, the present invention proposes a calculation method implemented by computer to obtain a statistical model capable of estimating a quantity representative of a motive power in a ship, the method comprising steps consisting of:
- obtaining a statistical model by training with a supervised automatic learning method on a first set of learning data, the statistical model being capable of estimating a quantity representative of a driving power necessary to move a ship as a function of an operating state, the operating state being defined at least by a speed of the ship, a draft of the ship and an trim of the ship;
a) generating a set of input vectors, each input vector defining a distinct and distinct operating state of all said training data;
b) obtaining a set of simulation results, said set of simulation results being obtained from a plurality of simulations, each simulation consisting in simulating, by a numerical method of fluid mechanics, a flow of sea water around of the ship's hull for an input vector of said set of input data vectors, each simulation result comprising a quantity representative of a motive power necessary to move the ship forward in the operating state defined by said input vector;
c) obtaining estimation results by the statistical model for each input vector of said set of input vectors, each estimation result comprising an estimation of the quantity representative of a driving power necessary to move the ship in the operating state defined by said input vector;
d) calculating a deviation parameter between the estimation results and said set of simulation results; And
e) if the deviation parameter is greater than a threshold, training the statistical model by said supervised automatic learning method on a second set of learning data consisting of said set of input vectors and said set of simulation results , and repeat steps a) through e).
On entend par « méthode d’apprentissage automatique supervisé » (en anglais : « supervised learning ») une méthode d’apprentissage automatique (en anglais : « machine learning » ; aussi désignée en français par les appellations apprentissage artificiel ou apprentissage statistique) consistant à apprendre une fonction de prédiction à partir d’exemples annotés. Autrement dit, une méthode d’apprentissage automatique supervisé permet de construire un modèle apte à la prévision à partir d’une pluralité d’exemples pour lesquels la réponse à prédire est connue. Une méthode d’apprentissage automatique supervisé est typiquement mise en œuvre par ordinateur. Ainsi, dans le cadre de la présente invention, l’étape consistant à obtenir le modèle statistique est mise en œuvre par ordinateur.“Supervised learning method” means a method of automatic learning (in English: “machine learning”; also referred to in French as artificial learning or statistical learning) consisting of learn a prediction function from annotated examples. In other words, a supervised machine learning method makes it possible to build a model suitable for forecasting from a plurality of examples for which the response to be predicted is known. A supervised machine learning method is typically implemented by computer. Thus, in the context of the present invention, the step consisting in obtaining the statistical model is implemented by computer.
Le modèle statistique à entraîner dans le cadre de la présente invention est apte à estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer un navire en fonction d’un état d’exploitation, l’état d’exploitation étant défini au moins par une vitesse du navire, un tirant d’eau du navire et une assiette du navire. Le modèle statistique est donc apte à estimer une grandeur quantitative (la grandeur représentative) à partir de plusieurs autres grandeurs quantitatives (au moins une vitesse du navire, un tirant d’eau du navire et une assiette du navire) ; ceci implique que le modèle statistique est apte à répondre à un problème de régression.The statistical model to be trained within the framework of the present invention is capable of estimating a quantity representative of a motive power necessary to move a ship according to an operating state, the operating state being defined at least by a ship's speed, a ship's draft and a ship's trim. The statistical model is therefore able to estimate a quantitative quantity (the representative quantity) from several other quantitative quantities (at least one speed of the ship, one draft of the ship and one trim of the ship); this implies that the statistical model is able to respond to a regression problem.
Le modèle statistique est apte à estimer par le calcul une grandeur représentative d’une puissance motrice nécessaire pour faire avancer un navire en fonction d’un état d’exploitation, l’état d’exploitation étant défini au moins par une vitesse du navire, un tirant d’eau du navire et une assiette du navire, y compris pour des valeurs de ces grandeurs pour lesquelles aucune simulation par une méthode numérique de mécanique des fluides n’a été réalisée. Le modèle statistique est donc utilisable pour estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer un navire, en conditions réelles d’utilisation sur le navire. L’estimation de la grandeur représentative peut ensuite être utilisée, par exemple, pour prédire la consommation de carburant du navire sur un voyage donné, et par là prédire la quantité de carburant à embarquer à bord du navire.The statistical model is capable of estimating by calculation a quantity representative of a driving power necessary to move a ship according to an operating state, the operating state being defined at least by a speed of the ship, a draft of the ship and a trim of the ship, including for values of these quantities for which no simulation by a numerical method of fluid mechanics has been carried out. The statistical model can therefore be used to estimate a quantity representative of the engine power required to move a ship forward, in real conditions of use on the ship. The estimate of the representative quantity can then be used, for example, to predict the fuel consumption of the ship on a given voyage, and thereby predict the quantity of fuel to be taken on board the ship.
Dans le procédé décrit ci-dessus, tant que le paramètre d’écart, qui représente un écart entre des résultats de simulation et des résultats d’estimation par le modèle statistique, est supérieur au seuil, le modèle statistique est entraîné sur lesdits résultats de simulation. Inversement, lorsque le paramètre d’écart devient inférieur au seuil, on peut mettre fin au procédé et ainsi ne plus réaliser de simulations. Ainsi, le modèle statistique n’est pas entraîné sur davantage de résultats de simulation qu’il n’est nécessaire. Ceci permet de limiter le nombre de simulations à effectuer, et en particulier d’effectuer sensiblement moins de simulations que dans une approche « naïve » qui consisterait à simuler le comportement hydrodynamique du navire dans toutes les conditions réelles qu’il est susceptible de rencontrer en exploitation. Compte tenu du fait que chaque simulation nécessite un temps de calcul important, même avec des systèmes informatiques dédiés aux calculs de mécanique des fluides, le procédé permet donc d’obtenir le modèle statistique souhaité en un temps de calcul relativement limité.In the method described above, as long as the difference parameter, which represents a difference between simulation results and estimation results by the statistical model, is greater than the threshold, the statistical model is trained on said results of simulation. Conversely, when the difference parameter becomes less than the threshold, the process can be terminated and thus no more simulations can be carried out. Thus, the statistical model is not trained on more simulation results than necessary. This makes it possible to limit the number of simulations to be carried out, and in particular to carry out significantly fewer simulations than in a "naive" approach which would consist in simulating the hydrodynamic behavior of the ship in all the real conditions that it is likely to encounter in operation. Given the fact that each simulation requires a large calculation time, even with computer systems dedicated to fluid mechanics calculations, the method therefore makes it possible to obtain the desired statistical model in a relatively limited calculation time.
Il est en outre à noter que toutes les étapes du procédé décrit ci-dessus sont mises en œuvre par un ordinateur. Ainsi, le procédé peut être mis en œuvre automatiquement sans intervention humaine. Ceci permet de limiter voire supprimer les incertitudes liées à l’intervention humaine qui peuvent exister dans l’étude du comportement d’un navire. Le procédé nécessite préalablement de fournir un modèle numérique de la coque du navire à utiliser pour les simulations, et éventuellement de fixer le seuil avec lequel le paramètre d’écart est comparé.It should also be noted that all the steps of the method described above are implemented by a computer. Thus, the method can be implemented automatically without human intervention. This makes it possible to limit or even eliminate the uncertainties linked to human intervention that may exist in the study of the behavior of a ship. The process first requires providing a digital model of the ship's hull to be used for the simulations, and possibly setting the threshold with which the deviation parameter is compared.
Selon des modes de réalisation, le procédé peut comporter une ou plusieurs des caractéristiques suivantes.According to embodiments, the method may comprise one or more of the following characteristics.
Selon un mode de réalisation, le procédé comprend une étape préalable de définition consistant à définir un ensemble d’états d’exploitation à considérer par le modèle statistique.According to one embodiment, the method comprises a preliminary definition step consisting in defining a set of operating states to be considered by the statistical model.
Selon un mode de réalisation, dans ladite étape préalable de définition, ledit ensemble d’états d’exploitation est défini par des valeurs limites de la vitesse du navire, du tirant d’eau du navire et de l’assiette du navire, et par des incréments respectifs de la vitesse du navire, du tirant d’eau du navire et de l’assiette du navire.According to one embodiment, in said preliminary step of definition, said set of operating states is defined by limit values of the speed of the ship, the draft of the ship and the trim of the ship, and by respective increments of vessel speed, vessel draft and vessel trim.
Selon un mode de réalisation, le procédé comprend en outre, après ladite étape de définition, une étape de sélection consistant à sélectionner un sous-ensemble d’états d’exploitation dans ledit ensemble d’états d’exploitation, et le premier ensemble de données d’apprentissage est relatif audit sous-ensemble d’états d’exploitation. According to one embodiment, the method further comprises, after said definition step, a selection step consisting in selecting a subset of operating states from said set of operating states, and the first set of training data is relative to said subset of operating states.
Selon un mode de réalisation, le premier ensemble de données d’apprentissage est obtenu partiellement ou entièrement à partir d’une pluralité de simulations, chaque simulation consistant à simuler, par une méthode numérique de mécanique des fluides, un écoulement d’eau de mer autour de la coque du navire pour un état d’exploitation dudit sous-ensemble d’états d’exploitation. Le procédé peut ainsi comprendre, après ladite étape de sélection, une étape de simulation consistant à effectuer une pluralité de simulations, chaque simulation consistant à simuler, par une méthode numérique de mécanique des fluides, un écoulement d’eau de mer autour de la coque du navire pour un état d’exploitation dudit sous-ensemble d’états d’exploitation.According to one embodiment, the first set of training data is obtained partially or entirely from a plurality of simulations, each simulation consisting in simulating, by a numerical method of fluid mechanics, a flow of sea water around the ship's hull for an operating state of said subset of operating states. The method can thus comprise, after said selection step, a simulation step consisting in carrying out a plurality of simulations, each simulation consisting in simulating, by a numerical method of fluid mechanics, a flow of sea water around the hull of the ship for an operating state of said subset of operating states.
Selon un mode de réalisation particulier, le premier ensemble de données d’apprentissage est obtenu entièrement à partir d’une pluralité de telles simulations. En d’autres termes, le premier ensemble de données d’apprentissage est seulement constitué des résultats des simulations effectuées à l’étape de simulation susmentionnée. Dans ce cas, il est possible d’utiliser le modèle statistique pour estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer un navire, en conditions réelles d’utilisation sur le navire, même lorsque le navire n’a pas encore été construit, du moment que l'on dispose d’un modèle numérique de la coque du navire à utiliser pour les simulations. En outre, il est possible d’entraîner le modèle statistique y compris pour des états d’exploitation qui ne seraient que très rarement voire jamais présents dans des données réelles issues d’essais de navigation, par exemple certaines vitesses élevées, qui ont tendance à être peu utilisées par les équipages de navire.According to a particular embodiment, the first set of learning data is obtained entirely from a plurality of such simulations. In other words, the first set of training data only consists of the results of the simulations performed in the aforementioned simulation step. In this case, it is possible to use the statistical model to estimate a quantity representative of a driving power necessary to move a ship forward, in real conditions of use on the ship, even when the ship has not yet been built, as long as a digital model of the ship's hull is available to use for the simulations. In addition, it is possible to train the statistical model including for operating states which would only very rarely or never be present in real data from navigation tests, for example certain high speeds, which tend to be little used by ship's crews.
Selon un mode de réalisation, l’étape de sélection est réalisée par une méthode de plan d’expérience, en particulier une méthode de plan d’expérience complètement aléatoire ou une méthode de plan d’expérience optimal.According to one embodiment, the selection step is carried out by an experimental design method, in particular a completely random experimental design method or an optimal experimental design method.
Selon un mode de réalisation, la méthode d’apprentissage automatique supervisé est une méthode de régression par processus gaussien.According to one embodiment, the supervised machine learning method is a Gaussian process regression method.
Une méthode de régression par processus gaussien est bien adaptée à l’entraînement du modèle statistique car elle permet de produire un modèle statistique apte à répondre à un problème de régression, pour n’importe quel jeu de données d’entrée, par entraînement à partir d’un nombre relativement limité de données. Néanmoins, il est possible de retenir d’autres méthodes d’apprentissage automatique supervisé sans pour autant sortir du cadre de la présente invention.A regression method by Gaussian process is well suited to training the statistical model because it makes it possible to produce a statistical model capable of responding to a regression problem, for any set of input data, by training from a relatively limited amount of data. Nevertheless, it is possible to retain other supervised machine learning methods without departing from the scope of the present invention.
Selon un mode de réalisation, ladite grandeur représentative est une résistance hydrodynamique rencontrée par la coque du navire ou une puissance mécanique à fournir par une machine propulsive embarquée à bord du navire.According to one embodiment, said representative quantity is a hydrodynamic resistance encountered by the hull of the ship or a mechanical power to be supplied by a propulsion machine on board the ship.
Ainsi, la grandeur représentative peut être directement interprétable par un utilisateur tel qu’un membre de l’équipage du navire, et/ou directement utilisable par un système de contrôle-commande embarqué à bord du navire.Thus, the representative quantity can be directly interpretable by a user such as a member of the ship's crew, and/or directly usable by a control-command system on board the ship.
Selon un mode de réalisation, ledit tirant d’eau du navire est considéré au niveau d’une ligne perpendiculaire médiane du navire. En variante, selon un autre mode de réalisation, ledit tirant d’eau du navire est considéré au niveau d’une ligne perpendiculaire qui est espacée de ladite ligne perpendiculaire médiane du navire d’une distance prédéterminée.According to one embodiment, said draft of the ship is considered at the level of a median perpendicular line of the ship. Alternatively, according to another embodiment, said draft of the vessel is considered at a perpendicular line which is spaced from said median perpendicular line of the vessel by a predetermined distance.
Selon un mode de réalisation, l’assiette du navire comprend une différence entre un tirant d’eau à l’avant du navire et un tirant d’eau à l’arrière du navire.According to one embodiment, the trim of the ship includes a difference between a draft at the bow of the ship and a draft at the stern of the ship.
Selon un mode de réalisation, ledit tirant d’eau à l’avant du navire est considéré au niveau de la ligne perpendiculaire avant du navire. En variante, selon un autre mode de réalisation, ledit tirant d’eau à l’avant du navire est considéré au niveau d’une ligne perpendiculaire qui est espacée de ladite ligne perpendiculaire avant du navire d’une distance prédéterminée.According to one embodiment, said draft at the front of the vessel is considered at the level of the perpendicular line before the vessel. Alternatively, according to another embodiment, said draft forward of the ship is considered at a perpendicular line which is spaced from said forward perpendicular line of the ship by a predetermined distance.
Selon un mode de réalisation, ledit tirant d’eau à l’arrière du navire est considéré au niveau de la ligne perpendiculaire arrière du navire. En variante, selon un autre mode de réalisation, ledit tirant d’eau à l’arrière du navire est considéré au niveau d’une ligne perpendiculaire qui est espacée de ladite ligne perpendiculaire arrière du navire d’une distance prédéterminée.According to one embodiment, said draft at the rear of the ship is considered at the level of the rear perpendicular line of the ship. Alternatively, according to another embodiment, said draft aft of the ship is considered at a perpendicular line which is spaced from said aft perpendicular line of the ship by a predetermined distance.
Selon un mode de réalisation, la présente invention propose en outre un système de calcul comprenant :
- un moyen d’entrée configuré pour recevoir des données d’entrées définissant un état d’exploitation du navire, l’état d’exploitation étant défini au moins par une vitesse du navire, un tirant d’eau du navire et une assiette du navire ;
- un moyen de traitement configuré pour estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire dans ledit état d‘exploitation au moyen du modèle statistique obtenu par le procédé de calcul mis en œuvre par ordinateur précité ; et
- un moyen de sortie configuré pour fournir en sortie ladite grandeur représentative d’une puissance motrice.According to one embodiment, the present invention further provides a computing system comprising:
- an input means configured to receive input data defining an operating state of the ship, the operating state being defined at least by a speed of the ship, a draft of the ship and an attitude of the ship ;
- a processing means configured to estimate a quantity representative of a motive power necessary to advance the vessel in said operating state by means of the statistical model obtained by the aforementioned computer-implemented calculation method; And
- an output means configured to output said quantity representative of a motive power.
Selon un mode de réalisation, la présente invention propose en outre un procédé mis en œuvre par ordinateur d’obtention d’une base de données, pour obtenir une base de données utilisable pour estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer un navire, le procédé comprenant des étapes consistant à :
- générer une pluralité d’états d’exploitation, l’état d’exploitation étant défini au moins par une vitesse du navire, un tirant d’eau du navire et une assiette du navire ;
- pour chaque état d’exploitation ainsi généré : estimer une grandeur représentative à l’aide du modèle statistique obtenu par le procédé de calcul mis en œuvre par ordinateur selon l’un quelconque des modes de réalisation décrits ci-dessus ; et stocker dans une base de données la grandeur représentative estimée en association avec l’état d’exploitation.According to one embodiment, the present invention further provides a computer-implemented method of obtaining a database, for obtaining a database usable for estimating a quantity representative of a motor power necessary to advance a vessel, the method comprising steps of:
- generating a plurality of operating states, the operating state being defined at least by a ship's speed, a ship's draft and a ship's trim;
- for each operating state thus generated: estimating a representative quantity using the statistical model obtained by the calculation method implemented by computer according to any one of the embodiments described above; and storing in a database the representative quantity estimated in association with the operating state.
Bien que le modèle statistique soit apte à estimer par le calcul la grandeur représentative d’une puissance motrice nécessaire pour faire avancer un navire en fonction de l’état d’exploitation, y compris pour des états d’exploitation pour lesquels aucune simulation par une méthode numérique de mécanique des fluides n’a été réalisée, le calcul nécessaire pour ce faire peut être trop long et/ou nécessiter trop de ressources de calcul pour pouvoir être mis en œuvre à bord d’un navire. Une idée à la base du procédé décrit ci-dessus est donc d’effectuer la majorité de ces calculs à l’avance sur la base d’une pluralité d’états d’exploitation, lesquels peuvent être convenablement choisis pour couvrir la totalité d’un domaine de fonctionnement opérationnel du navire, et de stocker dans une base de données la grandeur représentative estimée de la cuve pour chacun de ces états d’exploitation en association avec l’état d’exploitation. La grandeur représentative peut alors être obtenue ou bien par simple lecture de la base de données lorsque l’état d’exploitation est présent dans la base de données, ou bien par interpolation à partir de la base de données sinon. Ceci nécessite un temps de calcul et des ressources de calcul bien moins importantes que l’estimation à partir du modèle statistique lui-même. Il en résulte que le modèle statistique lui-même n’est même plus nécessaire pour effectuer l’estimation par le modèle statistique à bord du navire, la seule base de données étant suffisante. L’estimation à partir de la base de données peut alors être effectuée par un système embarqué à bord du navire, voire même par une station au sol qui communique avec le navire, par exemple par radio ou par satellite.Although the statistical model is capable of estimating by calculation the quantity representative of a motive power necessary to move a ship according to the operating state, including for operating states for which no simulation by a numerical method of fluid mechanics has been carried out, the calculation necessary to do so may be too long and/or require too many calculation resources to be able to be implemented on board a ship. An idea underlying the method described above is therefore to carry out the majority of these calculations in advance on the basis of a plurality of operating states, which can be suitably chosen to cover the whole of an operational operating domain of the ship, and to store in a database the estimated representative quantity of the tank for each of these operating states in association with the operating state. The representative quantity can then be obtained either by simple reading of the database when the operating state is present in the database, or by interpolation from the database otherwise. This requires much less computing time and computing resources than the estimation from the statistical model itself. As a result, the statistical model itself is no longer even necessary to perform the estimation by the statistical model on board the ship, the database alone being sufficient. The estimation from the database can then be performed by a system on board the ship, or even by a ground station which communicates with the ship, for example by radio or satellite.
Selon un mode de réalisation, la présente invention propose en outre un procédé mis en œuvre par ordinateur pour estimer une grandeur représentative d’une puissance motrice dans un navire, le procédé comprenant des étapes consistant à ;
- obtenir un tirant d’eau du navire et une assiette du navire ; et
- obtenir une consigne de vitesse du navire ; et
- estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire à partir de la consigne de vitesse du navire, du tirant d’eau du navire et de l’assiette du navire et de la base de données obtenue par le procédé décrit ci-dessus.According to one embodiment, the present invention further provides a computer-implemented method for estimating a magnitude representative of motive power in a ship, the method comprising steps of;
- obtain a ship's draft and a ship's trim; And
- Obtain a ship's speed instruction; And
- estimating a quantity representative of a driving power necessary to move the ship forward from the ship's speed setpoint, the ship's draft and the ship's trim and the database obtained by the method described above.
Grâce à ce procédé, il est possible d’estimer la grandeur représentative grâce au modèle statistique entraîné préalablement sur la base de données d’essais, par le biais de la base de données. Comme on l’a mentionné ci-dessus, cette estimation nécessite un temps de calcul et des ressources de calcul bien moins importantes que l’estimation à partir du modèle statistique lui-même, et peut être effectuée par un système embarqué à bord du navire ou par une station au sol qui communique avec le navire.Thanks to this process, it is possible to estimate the representative quantity thanks to the statistical model trained beforehand on the basis of test data, by means of the database. As mentioned above, this estimation requires much less computing time and computing resources than the estimation from the statistical model itself, and can be performed by an on-board system on board the ship. or by a ground station that communicates with the ship.
Selon un mode de réalisation, la présente invention propose en outre un système de gestion pour un navire, le système comprenant :
- un dispositif d’évaluation d’assiette du navire apte à évaluer un tirant d’eau du navire et une assiette du navire ;
- un moyen d’entrée configuré pour obtenir une consigne de vitesse du navire ; et
- un moyen de traitement configuré pour estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire à partir de la consigne de vitesse du navire, du tirant d’eau du navire et de l’assiette du navire et de la base de données obtenue par le procédé décrit ci-dessus.According to one embodiment, the present invention further provides a management system for a ship, the system comprising:
- A ship's trim evaluation device able to assess a ship's draft and a ship's trim;
- Input means configured to obtain a vessel speed setpoint; And
- a processing means configured to estimate a quantity representative of a driving power necessary to move the ship forward from the ship's speed setpoint, the ship's draft and the trim of the ship and the base of data obtained by the method described above.
Brève description des figuresBrief description of figures
L’invention sera mieux comprise, et d'autres buts, détails, caractéristiques et avantages de celle-ci apparaîtront plus clairement au cours de la description suivante de plusieurs modes d’exécution particuliers de l’invention, donnés uniquement à titre illustratif et non limitatif, en référence aux dessins annexés.The invention will be better understood, and other aims, details, characteristics and advantages thereof will appear more clearly during the following description of several particular embodiments of the invention, given solely by way of illustration and not limiting, with reference to the accompanying drawings.
La est une vue schématique de côté en coupe d’un navire. There is a schematic cross-sectional side view of a ship.
La est un diagramme-blocs d’un système de gestion pouvant être embarqué à bord du navire de la . There is a block diagram of a management system that can be carried on board the ship of the .
La est un diagramme-blocs représentant un procédé pour obtenir un modèle statistique apte à estimer une grandeur représentative d’une puissance motrice dans le navire de la . There is a block diagram representing a method for obtaining a statistical model capable of estimating a quantity representative of a motive power in the ship of the .
La représente schématiquement, à titre d’explication, un ensemble d’états d’exploitation à considérer par le modèle statistique. There schematically represents, by way of explanation, a set of operating states to be considered by the statistical model.
La est un diagramme-blocs représentant un procédé pour obtenir une base de données pouvant être utilisée dans le système de gestion de la . There is a block diagram representing a method for obtaining a database that can be used in the management system of the .
Sur la , on a représenté schématiquement de côté en coupe un navire 1. Le navire 1 peut notamment être un navire transporteur de gaz naturel liquéfié, et/ou un navire utilisant du gaz naturel liquéfié pour sa propulsion (souvent désigné en tant que navire « LNG as Fuel » en anglais). Pour cela, de façon connue en soi, le navire 1 comporte une ou plusieurs cuves étanches et thermiquement isolantes (non représentées) contenant le gaz naturel liquéfié. On précise toutefois que la description qui va suivre est applicable à tout type de navire.On the , a vessel 1 has been shown schematically in cross-section from the side. The vessel 1 may in particular be a vessel carrying liquefied natural gas, and/or a vessel using liquefied natural gas for its propulsion (often referred to as an “LNG as vessel”). Fuel” in English). For this, in a manner known per se, the ship 1 comprises one or more sealed and thermally insulating tanks (not shown) containing the liquefied natural gas. However, it is specified that the following description is applicable to any type of vessel.
De manière classique, le navire 1 comporte une coque 10 partiellement immergée dans l’eau de mer et une machinerie 20 située dans la coque 10. La référence 100 désigne la ligne de flottaison du navire 1, tandis que la référence 9 désigne la ligne de quille de la coque 10 du navire 1. La machinerie 20, qui est généralement située vers la poupe du navire, entraîne au moins une hélice propulsive 40 via un arbre d’entraînement correspondant 30.Conventionally, the ship 1 comprises a hull 10 partially submerged in sea water and machinery 20 located in the hull 10. The reference 100 designates the waterline of the ship 1, while the reference 9 designates the waterline. keel of the hull 10 of the vessel 1. The machinery 20, which is generally located towards the stern of the vessel, drives at least one propulsion propeller 40 via a corresponding drive shaft 30.
Si le navire 1 avance à une vitesse V donnée, la friction de l’eau de mer sur la coque 10 génère une résistance hydrodynamique R dans le sens opposé. Pour faire avancer le navire 1 à la vitesse V, la machinerie 20 doit fournir une puissance motrice suffisante pour vaincre cette résistance hydrodynamique R.If the vessel 1 is advancing at a given speed V, the friction of the sea water on the hull 10 generates a hydrodynamic resistance R in the opposite direction. To move ship 1 forward at speed V, machinery 20 must provide sufficient motive power to overcome this hydrodynamic resistance R.
Dans le but de planifier la route du navire 1 entre un point de départ et un point d’arrivée, on peut souhaiter pouvoir estimer la puissance motrice que doit fournir la machinerie 20 afin de faire avancer le navire 1 à une vitesse V donnée.For the purpose of planning the route of the ship 1 between a starting point and a point of arrival, one may wish to be able to estimate the motive power that the machinery 20 must provide in order to move the ship 1 forward at a given speed V.
La illustre un exemple de système de gestion 1000 embarqué sur le navire 1. Ce système de gestion comporte une unité centrale 1010 connectée à une interface homme-machine 1040. Cette interface homme-machine 1040 comporte un moyen d’affichage 1041 et un moyen d’acquisition 1042. Le moyen d’acquisition 1042 permet à un opérateur, tel qu’un membre d’équipage du navire 1, de saisir diverses informations, et notamment une vitesse V souhaitée du navire 1. Le moyen d’affichage 1041 permet à d’obtenir diverses informations relatives au fonctionnement du navire 1, et notamment une estimation d’une puissance motrice nécessaire pour faire avancer le navire 1 à la vitesse V.There illustrates an example of a management system 1000 on board ship 1. This management system comprises a central unit 1010 connected to a man-machine interface 1040. This man-machine interface 1040 comprises a display means 1041 and a means of acquisition 1042. The acquisition means 1042 allows an operator, such as a crew member of the ship 1, to enter various information, and in particular a desired speed V of the ship 1. The display means 1041 allows d obtain various information relating to the operation of the ship 1, and in particular an estimate of a driving power necessary to make the ship 1 move forward at the speed V.
Le système de gestion 1000 comporte en outre un dispositif 1020 d’évaluation d’assiette du navire, lequel est apte à évaluer un tirant d’eau D du navire 1 et une assiette T du navire 1. Ces grandeurs peuvent être obtenues par le dispositif 1020 à partir d’indications fournies par des systèmes embarqués à bord du navire 1. En complément, ces grandeurs peuvent également être saisies par l’opérateur à l’aide du moyen d’acquisition 1042, en cas de défaillance des systèmes embarqués à bord du navire 1 ou bien si l’opérateur souhaite obtenir l’estimation de la puissance motrice nécessaire pour faire avancer le navire 1 à la vitesse V pour un tirant d’eau D et/ou une assiette T qui sont différentes de celles mesurées par les systèmes embarqués à bord du navire 1.The management system 1000 further comprises a device 1020 for evaluating the trim of the ship, which is capable of evaluating a draft D of the ship 1 and a trim T of the ship 1. These quantities can be obtained by the device 1020 from indications provided by systems on board ship 1. In addition, these quantities can also be entered by the operator using the acquisition means 1042, in the event of failure of the systems on board of the ship 1 or if the operator wishes to obtain the estimate of the engine power necessary to move the ship 1 forward at the speed V for a draft D and/or an trim T which are different from those measured by the shipboard systems 1.
Le système de gestion 1000 peut optionnellement comporter une interface de communication 1030 permettant à l’unité centrale 1010 de communiquer avec des dispositifs distants par exemple pour obtenir des données météorologiques, des données de position du navire ou autre.The management system 1000 can optionally include a communication interface 1030 allowing the central unit 1010 to communicate with remote devices, for example to obtain meteorological data, ship position data or other.
Le système de gestion 1000 comporte en outre une base de données 1050. Cette base de données 1050 est utilisable pour estimer la puissance motrice nécessaire pour faire avancer le navire 1 à la vitesse V souhaitée du navire 1 comme on va le décrire plus loin.The management system 1000 further comprises a database 1050. This database 1050 can be used to estimate the engine power necessary to move the ship 1 forward at the desired speed V of the ship 1 as will be described below.
On va maintenant décrire, à l’aide des figures 3 à 5, l’obtention de la base de données 1050.We will now describe, with the aid of FIGS. 3 to 5, the obtaining of the database 1050.
La est un diagramme-blocs représentant les étapes d’un procédé 500 permettant d’obtenir un modèle statistique. Le modèle statistique est apte à estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire 1 en fonction d’un état d’exploitation du navire 1. Les étapes du procédé 500 sont mises en œuvre par un ordinateur (non représenté), au moyen d’un programme d’ordinateur convenable.There is a block diagram representing the steps of a method 500 making it possible to obtain a statistical model. The statistical model is capable of estimating a quantity representative of a driving power necessary to move the ship 1 forward as a function of an operating state of the ship 1. The steps of the method 500 are implemented by a computer (not represented ), using a suitable computer program.
Un état d’exploitation du navire 1 est défini au moins par une vitesse V souhaitée du navire 1, un tirant d’eau D du navire 1 et une assiette T du navire 1.An operating state of ship 1 is defined at least by a desired speed V of ship 1, a draft D of ship 1 and an trim T of ship 1.
Par « assiette du navire 1 », on entend une différence entre le tirant d’eau Tf à l’avant du navire 1 et le tirant d’eau Ta à l’arrière du navire 1, aussi dénommée « trim » en anglais. Autrement dit, on a T = Tf - Ta. Toutefois, en variante, on pourrait aussi retenir comme définition de l’assiette : T= Ta - Tf. En revenant à la , le tirant d’eau Tf peut être considéré au niveau de la ligne perpendiculaire avant FP et le tirant d’eau Ta peut être considéré au niveau de la ligne perpendiculaire arrière AP. De façon bien connue dans le domaine de la construction navale, la ligne perpendiculaire avant FP est la droite perpendiculaire à la ligne de flottaison 100 et passant par l’intersection entre la ligne de flottaison 100 et de l’avant de la coque 10 du navire 1 dans la direction d’avancée du navire 1, et la ligne perpendiculaire arrière AP est la droite perpendiculaire à la ligne de flottaison 100 et passant par l’intersection entre la ligne de flottaison 100 et de l’arrière de la coque 10 du navire 1 dans la direction d’avancée du navire 1. La distance LP entre les lignes perpendiculaires FP et AP est la longueur entre perpendiculaires (« length between perpendiculars » en anglais, aussi notée LPP, LBP ou encore « Length BPP »), couramment utilisée dans le domaine de la construction navale. En alternative, le tirant d’eau Tf peut être considéré au niveau d’une ligne perpendiculaire FPM distante de la ligne perpendiculaire FP d’une distance Fd, et/ou le tirant d’eau Ta peut être considéré au niveau d’une ligne perpendiculaire APM distante de la ligne perpendiculaire AP d’une distance Ad.By “ship trim 1” is meant a difference between the draft Tf at the front of the ship 1 and the draft Ta at the stern of the ship 1, also called “trim” in English. In other words, we have T = Tf - Ta. However, as a variant, one could also retain as the definition of the attitude: T=Ta-Tf. Coming back to the , the draft Tf can be considered at the forward perpendicular line FP and the draft Ta can be considered at the aft perpendicular line AP. As is well known in the field of shipbuilding, the front perpendicular line FP is the straight line perpendicular to the waterline 100 and passing through the intersection between the waterline 100 and the front of the hull 10 of the ship. 1 in the forward direction of the ship 1, and the rear perpendicular line AP is the straight line perpendicular to the waterline 100 and passing through the intersection between the waterline 100 and the rear of the hull 10 of the ship 1 in the forward direction of the ship 1. The distance LP between the perpendicular lines FP and AP is the length between perpendiculars (“length between perpendiculars” in English, also denoted LPP, LBP or “Length BPP”), commonly used in the field of shipbuilding. Alternatively, the draft Tf can be considered at the level of a perpendicular line FPM distant from the perpendicular line FP by a distance Fd, and/or the draft Ta can be considered at the level of a line perpendicular APM distant from the perpendicular line AP by a distance Ad.
Le tirant d’eau D du navire 1 peut être considéré au niveau d’une ligne perpendiculaire médiane PM du navire 1. En alternative, le tirant d’eau D peut être considéré au niveau d’une ligne perpendiculaire PMM distante de la ligne perpendiculaire médiane PM distante de la ligne perpendiculaire PM d’une distance Md.The draft D of the ship 1 can be considered at the level of a median perpendicular line PM of the ship 1. Alternatively, the draft D can be considered at the level of a perpendicular line PMM distant from the perpendicular line median PM distant from the perpendicular line PM by a distance Md.
Par « grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire 1 », on entend toute grandeur qui est corrélée à la puissance motrice nécessaire pour faire avancer le navire 1. Il peut notamment s’agir d’une puissance mécanique que doit fournir en sortie la machinerie 20, ou encore de la résistance hydrodynamique R.By "quantity representative of a motive power necessary to move the vessel 1 forward", is meant any quantity which is correlated to the motive power necessary to move the vessel 1 forward. output the machinery 20, or even the hydrodynamic resistance R.
Le procédé 500 comprend une étape préalable 501 de définition consistant à définir un ensemble d’états d’exploitation à considérer par le modèle statistique.The method 500 includes a preliminary step 501 of definition consisting in defining a set of operating states to be considered by the statistical model.
Selon un exemple, l’ensemble d’états d’exploitation est défini par :
- des valeurs limites de la vitesse V, du tirant d’eau D et de l’assiette T ; et
- des incréments respectifs δV, δD et δT de la vitesse V, du tirant d’eau D et de l’assiette T entre ces valeurs limites.
Purement à titre d’explication, la illustre de façon très simplifiée les valeurs limites et les incréments d’un ensemble 300 d’états d’exploitation qui est défini de la façon qui vient d’être décrite. Comme représenté sur cette figure, la vitesse V varie par incréments δV entre une valeur nulle (V = 0) et une vitesse maximale Vmax = V + n1.δV, où n1 est un nombre entier. De même, le tirant d’eau D varie par incréments δD entre une valeur minimale Dmin = -n2.δD et une valeur maximale Dmax = n3.δD, où n2 et n3 sont des nombres entiers, et l’assiette T varie par incréments δT entre une valeur minimale Tmin = -n4.δT et une valeur maximale Tmax = n5.δT, où n4 et n5 sont des nombres entiers. Un état d’exploitation 301 donné peut donc être exprimé sous la forme d’un triplet {k1.δV, k2.δD, k3.δT}, où k1, k2 et k3 sont des nombres entiers relatifs.According to an example, the set of operating states is defined by:
- limit values for speed V, draft D and trim T; And
- respective increments δV, δD and δT of the speed V, the draft D and the trim T between these limit values.
Purely by way of explanation, the illustrates in a very simplified way the limit values and the increments of a set 300 of operating states which is defined in the way which has just been described. As shown in this figure, the speed V varies by increments δV between a zero value (V=0) and a maximum speed Vmax=V+n1.δV, where n1 is an integer. Similarly, the draft D varies by increments δD between a minimum value Dmin = -n2.δD and a maximum value Dmax = n3.δD, where n2 and n3 are integers, and the trim T varies by increments δT between a minimum value Tmin = -n4.δT and a maximum value Tmax = n5.δT, where n4 and n5 are integers. A given operating state 301 can therefore be expressed in the form of a triplet {k1.δV, k2.δD, k3.δT}, where k1, k2 and k3 are relative integers.
Il est toutefois à noter que les états d’exploitation peuvent être définis d’une autre manière, tant que la vitesse V, le tirant d’eau D et l’assiette T sont chacun compris entre deux valeurs limite finies. En outre, les états d’exploitation peuvent être définis par la vitesse V, le tirant d’eau D et l’assiette T et par une ou plusieurs autres grandeurs concernant le fonctionnement du navire 1.It should however be noted that the operating states can be defined in another way, as long as the speed V, the draft D and the trim T are each between two finite limit values. In addition, the operating states can be defined by the speed V, the draft D and the trim T and by one or more other quantities relating to the operation of the ship 1.
Après l’étape 501, le procédé 500 passe à une étape 502 consistant à sélectionner, dans l’ensemble d’états d’exploitation, un sous-ensemble d’états d’exploitation. Selon une variante, cette étape 502 est réalisée par une méthode de plan d’expériences. On entend par « méthode de plan d’expérience » une méthode permettant de sélectionner, dans un ensemble potentiellement très grand d’expériences à réaliser pour construire ou valider un modèle, un sous-ensemble réduit d’expériences qui permette de construire ou valider le modèle de façon satisfaisante. De telles méthodes sont connues en tant que telles, sous l’appellation anglaise « design of experiments » ou « experimental design ». Selon une variante, la méthode de plan d’expérience est une méthode de plan d’expérience complètement aléatoire (en anglais : « completely randomized design »), par exemple une méthode d’échantillonnage par hypercube latin (en anglais : « latin hypercube sampling »). Selon une autre variante, la méthode de plan d’expérience est une méthode de plan d’expérience optimal (en anglais : « optimal design »), plus particulièrement une méthode D-optimale (en anglais : « D-optimal design »).After step 501, the method 500 proceeds to a step 502 consisting of selecting, from the set of operating states, a subset of operating states. According to a variant, this step 502 is carried out by a design of experiments method. The term "experiment design method" means a method allowing the selection, from a potentially very large set of experiments to be carried out to build or validate a model, a reduced subset of experiments which makes it possible to build or validate the model satisfactorily. Such methods are known as such, under the English name "design of experiments" or "experimental design". According to a variant, the design of experiment method is a completely randomized design of experiment method, for example a Latin hypercube sampling method. "). According to another variant, the design of experiment method is an optimal design of experiment method, more particularly a D-optimal method (in English: “D-optimal design”).
Après l’étape 502, le procédé 500 passe à une étape 503 pendant laquelle, pour chacun des états d’exploitation sélectionnés à l’étape 502, on effectue une simulation. Chaque simulation consiste à simuler par une méthode numérique de mécanique des fluides, pour l’état d’exploitation en question, un écoulement d’eau de mer autour de la coque 10 du navire 1. Il est bien entendu qu’une telle simulation fait appel à un modèle numérique préalablement établi de la coque 10 du navire 1, au moins de la partie de la coque 10 du navire 1 qui est susceptible d’être immergée pendant que le navire 1 navigue. Les méthodes numériques de mécanique des fluides sont connues en tant que telles, de même que les méthodes de conception de modèles numériques de coques de navire, et ne sont donc pas décrites en détail ici. En outre, pendant l’étape 503, pour chaque simulation effectuée, on calcule, à partir des résultats de la simulation, la grandeur représentative de la puissance motrice nécessaire pour faire avancer le navire 1. Comme on l’a mentionné précédemment, il peut s’agir de la résistance hydrodynamique R ou d’une puissance mécanique que doit fournir en sortie la machinerie 20.After step 502, the method 500 passes to a step 503 during which, for each of the operating states selected in step 502, a simulation is carried out. Each simulation consists in simulating by a numerical method of fluid mechanics, for the operating state in question, a flow of sea water around the hull 10 of the ship 1. It is understood that such a simulation use of a previously established digital model of the hull 10 of the ship 1, at least of the part of the hull 10 of the ship 1 which is likely to be submerged while the ship 1 is sailing. Computational fluid mechanics methods are known as such, as are methods for designing numerical models of ship hulls, and are therefore not described in detail here. In addition, during step 503, for each simulation carried out, the quantity representative of the engine power necessary to move the vessel 1 is calculated, based on the results of the simulation. it may be the hydrodynamic resistance R or a mechanical power that the machinery 20 must output.
Après l’étape 503, le procédé 500 passe à une étape 504 consistant à obtenir un modèle statistique par entraînement par une méthode d’apprentissage automatique supervisé sur un premier ensemble de données d’apprentissage. Le modèle statistique est apte à estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire 1 en fonction d’un état d’exploitation. Comme on l’a mentionné précédemment, l’état d’exploitation du navire 1 est défini au moins par sa vitesse V, son tirant d’eau D et son assiette T. Selon une variante, le premier ensemble de données d’apprentissage est seulement constitué des résultats des simulations effectuées à l’étape 503. Selon une autre variante, le premier ensemble de données d’apprentissage comprend les résultats des simulations effectuées à l’étape 503 ainsi que d’autres données d’essais, par exemple des données réelles issues d’essais de navigation sur des modèles réduits de coque de navire et/ou sur des coques de navire réelles. Selon encore une autre variante, le premier ensemble de données d’apprentissage ne comprend que de telles données réelles issues d’essais de navigation.After step 503, the method 500 proceeds to a step 504 consisting in obtaining a statistical model by training by a supervised automatic learning method on a first set of learning data. The statistical model is capable of estimating a quantity representative of a driving power necessary to move the ship 1 forward as a function of an operating state. As mentioned previously, the operating state of the ship 1 is defined at least by its speed V, its draft D and its trim T. According to a variant, the first set of learning data is consisting solely of the results of the simulations carried out in step 503. According to another variant, the first set of learning data comprises the results of the simulations carried out in step 503 as well as other test data, for example actual data from navigational trials on model ship hulls and/or actual ship hulls. According to yet another variant, the first set of training data comprises only such real data resulting from navigation tests.
À titre d’exemple, la méthode d’apprentissage automatique supervisé peut être une méthode de régression par processus gaussien. Les méthodes de régression par processus gaussien sont bien connues en tant que telles ; elles sont bien adaptées à l’entraînement du modèle statistique car elles permettent de produire un modèle statistique apte à répondre à un problème de régression, pour n’importe quel jeu de données d’entrée, par entraînement à partir d’un nombre relativement limité de données. Néanmoins, il est possible de retenir d’autres méthodes d’apprentissage automatique supervisé.As an example, the supervised machine learning method can be a Gaussian process regression method. Gaussian process regression methods are well known as such; they are well suited to training the statistical model because they make it possible to produce a statistical model capable of responding to a regression problem, for any set of input data, by training from a relatively limited number of data. Nevertheless, it is possible to retain other supervised machine learning methods.
À l’issue de l’étape 504, on dispose d’un modèle statistique qui est apte à estimer approximativement une grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire 1 en fonction au moins de sa vitesse V, de son tirant d’eau D et de son assiette T. Les étapes 505 à 510 du procédé 500 qui sont décrites ci-après visent à améliorer la précision du modèle statistique, en continuant à entraîner le modèle statistique sur de nouveaux résultats de simulation, tant qu’un paramètre d’écart est supérieur à un seuil (étape 509).At the end of step 504, a statistical model is available which is capable of approximately estimating a quantity representative of a driving power necessary to move the ship 1 forward as a function of at least its speed V, its draft of water D and its plate T. The steps 505 to 510 of the method 500 which are described below aim to improve the precision of the statistical model, by continuing to train the statistical model on new simulation results, as long as a deviation parameter is greater than a threshold (step 509).
L’étape 505 consiste à générer un ensemble de vecteurs d’entrée. Chaque vecteur d’entrée définit un état d’exploitation distinct. En outre, chaque vecteur d’entrée définit un état d’exploitation distinct de tous les états d’exploitation sélectionnés à l’étape 502, ceci afin d’assurer que l’on n’effectue pas inutilement une nouvelle simulation numérique à l’étape 506 pour un état d’exploitation qui aurait déjà été simulé à l’étape 503.Step 505 consists of generating a set of input vectors. Each input vector defines a separate operating state. Furthermore, each input vector defines an operating state distinct from all the operating states selected at step 502, in order to ensure that a new numerical simulation is not unnecessarily carried out at the step 506 for an operating state that would have already been simulated in step 503.
Après l’étape 505, le procédé 500 passe à des étapes 506 et 507 :
- étape 506 : obtenir un ensemble de résultats de simulations en effectuant une simulation pour chacun des vecteurs d’entrée générés à l’étape 505. Cette étape 506 est identique à l’étape 502, excepté le fait que les états d’exploitation utilisés sont différents, et n’est donc pas décrite à nouveau ;
- étape 507 : obtenir des résultats d’estimation par le modèle statistique pour chacun des vecteurs d’entrée générés à l’étape 505. Concrètement, chaque vecteur d’entrée est fourni en entrée au modèle statistique, le modèle statistique fournit en sortie une estimation de la grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire 1 dans l’état d’exploitation défini par ledit vecteur d’entrée, et l’estimation fournie par le modèle statistique est prise comme résultat d’estimation.
Les étapes 506 et 507 peuvent être effectuées l’une à la suite de l’autre dans n’importe quel ordre, ou bien peuvent être effectuées en parallèle.After step 505, method 500 proceeds to steps 506 and 507:
- step 506: obtain a set of simulation results by performing a simulation for each of the input vectors generated in step 505. This step 506 is identical to step 502, except that the operating states used are different, and is therefore not described again;
step 507: obtaining estimation results by the statistical model for each of the input vectors generated in step 505. Concretely, each input vector is supplied as input to the statistical model, the statistical model supplies as output a estimation of the quantity representative of a driving power necessary to move the ship 1 forward in the operating state defined by the said input vector, and the estimation provided by the statistical model is taken as the estimation result.
Steps 506 and 507 can be performed one after the other in any order, or can be performed in parallel.
Après les étapes 506 et 507, le procédé 500 passe à une étape 508 consistant à calculer un paramètre d’écart entre les résultats d’estimation obtenus à l’étape 507 et les résultats de simulation obtenus à l’étape 506. Ce paramètre d’écart peut être, par exemple, un écart moyen entre les résultats d’estimation et les résultats de simulation.After steps 506 and 507, the method 500 passes to a step 508 consisting in calculating a difference parameter between the estimation results obtained at step 507 and the simulation results obtained at step 506. This parameter d The difference can be, for example, an average difference between the estimation results and the simulation results.
Après l’étape 508, le procédé 500 passe à une étape 509 consistant à comparer le paramètre d’écart à un seuil fixé à l’avance.After step 508, the method 500 passes to a step 509 consisting in comparing the deviation parameter with a threshold fixed in advance.
Si le paramètre d’écart est supérieur au seuil, le procédé 500 passe à une étape 510 consistant à entraîner le modèle statistique sur un deuxième ensemble de données d’apprentissage constitué de l’ensemble de vecteurs d’entrée généré à l’étape 505 et l’ensemble de résultats de simulations obtenu à l’étape 506. Il va sans dire que l’entraînement du modèle statistique réalisé à l’étape 510 emploie la même méthode d’apprentissage automatique supervisé que celle employée à l’étape 504. Ainsi, le modèle statistique gagne en précision grâce aux nouveaux points de données que sont les résultats de simulations obtenus à l’étape 506. En outre, comme indiqué sur la , après l’étape 510, les étapes 505 à 509 sont répétées.If the difference parameter is greater than the threshold, the method 500 proceeds to a step 510 consisting in training the statistical model on a second set of learning data consisting of the set of input vectors generated in step 505 and the set of simulation results obtained in step 506. It goes without saying that the training of the statistical model carried out in step 510 employs the same supervised machine learning method as that employed in step 504. Thus, the statistical model gains in precision thanks to the new data points which are the results of simulations obtained at step 506. In addition, as indicated on the , after step 510, steps 505 to 509 are repeated.
À l’inverse, si le paramètre d’écart est inférieur ou égal au seuil, alors le procédé 500 passe à une étape finale 511 consistant à sauvegarder le modèle statistique entraîné en mémoire, en vue d’une utilisation ultérieure.Conversely, if the difference parameter is less than or equal to the threshold, then the method 500 proceeds to a final step 511 consisting of saving the trained statistical model in memory, for later use.
Comme on l’a mentionné précédemment, toutes les étapes du procédé 500 sont mises en œuvre par un ordinateur (non représenté). Ainsi, le procédé 500 peut être mis en œuvre peut être exécuté automatiquement sans intervention humaine, excepté pour définir l’ensemble d’états d’exploitation (étape 501) et pour fournir le modèle numérique de la coque 10 du navire 1 utilisé pour les simulations des étapes 503 et 506, et éventuellement pour fixer le seuil utilisé à l’étape 509.As mentioned previously, all steps of method 500 are implemented by a computer (not shown). Thus, the method 500 can be implemented can be executed automatically without human intervention, except to define the set of operating states (step 501) and to provide the digital model of the hull 10 of the ship 1 used for the simulations of steps 503 and 506, and possibly to set the threshold used in step 509.
Comme on l’a mentionné précédemment, à l’issue du procédé 500, on dispose d’un modèle statistique qui est apte à estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire 1 en fonction au moins de sa vitesse V, de son tirant d’eau D et de son assiette T, et ce pour n’importe quelle valeur du triplet {V, D, T}, y compris pour lesquelles aucune simulation n’a été effectuée. Toutefois, le calcul nécessaire pour ce faire peut être trop long et/ou nécessiter trop de ressources de calcul pour pouvoir être mis en œuvre à bord du navire 1, pour lequel il peut être souhaitable d’obtenir l’estimation le plus rapidement possible et avec un système embarqué le moins coûteux possible. C’est pourquoi, après le procédé 500, on met en œuvre un procédé 600 dont les étapes sont représentées sur le diagramme-blocs de la . Les étapes du procédé 600 sont mises en œuvre par un ordinateur (non représenté), au moyen d’un programme d’ordinateur convenable.As mentioned previously, at the end of the method 500, a statistical model is available which is capable of estimating a quantity representative of a driving power necessary to make the ship 1 move forward as a function at least of its speed. V, its draft D and its trim T, and this for any value of the triplet {V, D, T}, including for which no simulation has been performed. However, the calculation necessary to do this may be too long and/or require too many calculation resources to be able to be implemented on board the ship 1, for which it may be desirable to obtain the estimate as quickly as possible and with the least expensive embedded system possible. This is why, after the process 500, a process 600 is implemented, the steps of which are represented on the block diagram of the . The method steps 600 are implemented by a computer (not shown), using a suitable computer program.
Le procédé 600 comprend : une étape 601 consistant à générer une pluralité de d’états d’exploitation, suivie d’une étape 602 consistant à, pour chaque état d’exploitation : obtenir estimer la grandeur représentative à l’aide du modèle statistique obtenu par le procédé 500 ; et stocker dans une base de données la grandeur représentative estimée en association avec l’état d’exploitation. Optionnellement, dans une étape 603, la base de données obtenue à l’étape 602 est transmise au système de gestion 1000, ou bien stockée sur un support d’enregistrement lisible par ordinateur. On obtient ainsi la base de données 1050, dont on va maintenant décrire l’utilisation.The method 600 comprises: a step 601 consisting in generating a plurality of operating states, followed by a step 602 consisting in, for each operating state: obtaining estimating the representative quantity using the statistical model obtained by process 500; and storing in a database the estimated representative quantity in association with the operating state. Optionally, in a step 603, the database obtained in step 602 is transmitted to the management system 1000, or else stored on a computer-readable recording medium. The database 1050 is thus obtained, the use of which we will now describe.
La est un diagramme-blocs représentant les étapes d’un procédé 700 d’estimation d’une grandeur représentative d’une puissance motrice dans un navire. Selon un mode de réalisation, le diagramme-blocs de la est mis en œuvre en totalité sur l’unité centrale 1010 formant un moyen de traitement unique.There is a block diagram representing the steps of a method 700 for estimating a quantity representative of a motive power in a ship. According to one embodiment, the block diagram of the is implemented entirely on the central unit 1010 forming a single processing means.
Le procédé 700 comprend une première étape 701 consistant à obtenir une consigne de vitesse V du navire 1, le tirant d’eau D du navire 1 et l’assiette T du navire 1. La consigne de vitesse V du navire 1 peut par exemple être saisie par l’opérateur à l’aide du moyen d’acquisition 1042. Le tirant d’eau D et l’assiette T peuvent être obtenues par le dispositif 1020 à partir d’indications fournies par des systèmes embarqués à bord du navire 1, ou bien saisies par l’opérateur à l’aide du moyen d’acquisition 1042.The method 700 comprises a first step 701 consisting in obtaining a speed setpoint V of the ship 1, the draft D of the ship 1 and the trim T of the ship 1. The speed setpoint V of the ship 1 can for example be entered by the operator using the acquisition means 1042. The draft D and the trim T can be obtained by the device 1020 from indications provided by systems on board the vessel 1, or entered by the operator using the acquisition means 1042.
Le procédé 700 comprend une deuxième étape 702 consistant à générer un vecteur de données d’entrée comprenant les données déterminées à l’étape 701. Method 700 includes a second step 702 of generating an input data vector comprising the data determined in step 701.
Le procédé 700 comprend en outre une troisième étape 703 consistant à estimer la grandeur représentative à partir du vecteur de données d’entrée généré à l’étape 702 et de la base de données 1050. Plus concrètement, s’il se trouve que le vecteur de données d’entrée est présent dans la base de données 1050, la grandeur représentative est obtenue par simple lecture de la base de données 1050. Toutefois, plus typiquement, la base de données 1050 ne contiendra pas le vecteur de données d’entrée, mais des données d’entrée voisines de celles contenues dans le vecteur de données d’entrée. Dans ce cas de figure, la grandeur représentative sera obtenue par interpolation de la grandeur représentative associée à deux ou plus vecteurs de données d’entrée voisins présents dans la base de données 1050.The method 700 further comprises a third step 703 consisting in estimating the representative quantity from the input data vector generated in step 702 and from the database 1050. More concretely, if it happens that the vector input data is present in the database 1050, the representative quantity is obtained by simply reading the database 1050. However, more typically, the database 1050 will not contain the input data vector, but input data close to those contained in the input data vector. In this case, the representative quantity will be obtained by interpolation of the representative quantity associated with two or more neighboring input data vectors present in the database 1050.
Bien que l'invention ait été décrite en liaison avec plusieurs modes de réalisation particuliers, il est bien évident qu'elle n'y est nullement limitée et qu'elle comprend tous les équivalents techniques des moyens décrits ainsi que leurs combinaisons si celles-ci entrent dans le cadre de l'invention.Although the invention has been described in connection with several particular embodiments, it is obvious that it is in no way limited thereto and that it includes all the technical equivalents of the means described as well as their combinations if these fall within the scope of the invention.
En outre, il est bien évident qu’une caractéristique ou une combinaison de caractéristiques décrites en rapport avec un procédé s’applique tout autant à un système correspondant, et vice versa.Moreover, it is quite obvious that a characteristic or a combination of characteristics described in relation to a process applies equally to a corresponding system, and vice versa.
L’usage du verbe « comporter », « comprendre » ou « inclure » et de ses formes conjuguées n’exclut pas la présence d’autres éléments ou d’autres étapes que ceux énoncés dans une revendication.The use of the verb "comport", "understand" or "include" and its conjugated forms does not exclude the presence of other elements or other steps than those set out in a claim.
Dans les revendications, tout signe de référence entre parenthèses ne saurait être interprété comme une limitation de la revendication.In the claims, any reference sign in parentheses cannot be interpreted as a limitation of the claim.

Claims (11)

  1. Procédé de calcul mis en œuvre par ordinateur (500) pour obtenir un modèle statistique apte à estimer une grandeur représentative d’une puissance motrice dans un navire (1), le procédé comprenant des étapes consistant à :
    - obtenir (504) un modèle statistique par entraînement par une méthode d’apprentissage automatique supervisé sur un premier ensemble de données d’apprentissage, le modèle statistique étant apte à estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer un navire (1) en fonction d’un état d’exploitation (301), l’état d’exploitation étant défini au moins par une vitesse (V) du navire, un tirant d’eau (D) du navire et une assiette du navire ;
    a) générer (505) un ensemble de vecteurs d’entrée, chaque vecteur d’entrée définissant un état d’exploitation distinct et distinct de toutes lesdites données d’apprentissage ;
    b) obtenir (506) un ensemble de résultats de simulations, ledit ensemble de résultats de simulations étant obtenu à partir d’une pluralité de simulations, chaque simulation consistant à simuler, par une méthode numérique de mécanique des fluides, un écoulement d’eau de mer autour de la coque (10) du navire (1) pour un vecteur d’entrée dudit ensemble de vecteurs de données d’entrée, chaque résultat de simulation comportant une grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire (1) dans l’état d’exploitation défini par ledit vecteur d’entrée ;
    c) obtenir (507) des résultats d’estimation par le modèle statistique pour chaque vecteur d’entrée dudit ensemble de vecteurs d’entrée, chaque résultat d’estimation comportant une estimation de la grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire (1) dans l’état d’exploitation défini par ledit vecteur d’entrée ;
    d) calculer (508) un paramètre d’écart entre les résultats d’estimation et ledit ensemble de résultats de simulation ; et
    e) si le paramètre d’écart est supérieur à un seuil, entraîner (510) le modèle statistique par ladite méthode d’apprentissage automatique supervisé sur un deuxième ensemble de données d’apprentissage constitué dudit ensemble de vecteurs d’entrée et dudit ensemble de résultats de simulations, et répéter les étapes a) à e).    A computer-implemented calculation method (500) for obtaining a statistical model capable of estimating a quantity representative of a motive power in a vessel (1), the method comprising the steps of:
    - obtaining (504) a statistical model by training by a supervised automatic learning method on a first set of learning data, the statistical model being capable of estimating a quantity representative of a driving power necessary to move a ship forward ( 1) as a function of an operating state (301), the operating state being defined at least by a speed (V) of the ship, a draft (D) of the ship and an trim of the ship;
    a) generating (505) a set of input vectors, each input vector defining a distinct and distinct operating state of all said training data;
    b) obtaining (506) a set of simulation results, said set of simulation results being obtained from a plurality of simulations, each simulation consisting in simulating, by a numerical method of fluid mechanics, a flow of water of sea around the hull (10) of the ship (1) for an input vector of said set of input data vectors, each simulation result comprising a quantity representative of a driving power necessary to move the ship ( 1) in the operating state defined by said input vector;
    c) obtaining (507) estimation results by the statistical model for each input vector of said set of input vectors, each estimation result comprising an estimation of the quantity representative of a driving power necessary to advance the ship (1) in the operating state defined by said input vector;
    d) calculating (508) a deviation parameter between the estimation results and said set of simulation results; And
    e) if the deviation parameter is greater than a threshold, training (510) the statistical model by said supervised machine learning method on a second training data set consisting of said set of input vectors and said set of simulation results, and repeat steps a) to e).
  2. Procédé de calcul mis en œuvre par ordinateur (500) selon la revendication 1, lequel procédé comprend une étape préalable de définition (501) consistant à définir un ensemble d’états d’exploitation (300) à considérer par le modèle statistique.A computer-implemented calculation method (500) according to claim 1, which method comprises a prior definition step (501) of defining a set of operating states (300) to be considered by the statistical model.
  3. Procédé de calcul mis en œuvre par ordinateur (500) selon la revendication 2, lequel procédé comprend en outre, après ladite étape de définition (501), une étape de sélection (502) consistant à sélectionner un sous-ensemble d’états d’exploitation dans ledit ensemble d’états d’exploitation (300), et dans lequel le premier ensemble de données d’apprentissage est relatif audit sous-ensemble d’états d’exploitation.A computer-implemented calculation method (500) according to claim 2, which method further comprises, after said defining step (501), a selecting step (502) of selecting a subset of operating in said set of operating states (300), and wherein the first set of training data relates to said subset of operating states.
  4. Procédé de calcul mis en œuvre par ordinateur (500) selon la revendication 3, dans lequel le premier ensemble de données d’apprentissage est obtenu partiellement ou entièrement à partir d’une pluralité de simulations, chaque simulation consistant à simuler, par une méthode numérique de mécanique des fluides, un écoulement d’eau de mer autour de la coque (10) du navire (1) pour un état d’exploitation dudit sous-ensemble d’états d’exploitation.A computer-implemented computational method (500) according to claim 3, wherein the first set of training data is obtained partially or entirely from a plurality of simulations, each simulation comprising simulating, by a numerical method of fluid mechanics, a flow of sea water around the hull (10) of the ship (1) for an operating state of said subset of operating states.
  5. Procédé de calcul mis en œuvre par ordinateur (500) selon la revendication 3 ou 4, dans lequel l’étape de sélection (502) est réalisée par une méthode de plan d’expérience, en particulier une méthode de plan d’expérience complètement aléatoire ou une méthode de plan d’expérience optimal.A computer-implemented calculation method (500) according to claim 3 or 4, wherein the step of selecting (502) is performed by a design of experiment method, in particular a completely random design of experiment method or an optimal experimental design method.
  6. Procédé de calcul mis en œuvre par ordinateur (500) selon l’une quelconque des revendications 1 à 5, dans lequel la méthode d’apprentissage automatique supervisé est une méthode de régression par processus gaussien.A computer-implemented calculation method (500) according to any of claims 1 to 5, wherein the supervised machine learning method is a Gaussian process regression method.
  7. Procédé de calcul mis en œuvre par ordinateur (500) selon l’une quelconque des revendications 1 à 6, dans lequel ladite grandeur représentative est une résistance hydrodynamique (R) rencontrée par la coque (10) du navire (1) ou une puissance mécanique à fournir par une machine propulsive (20) embarquée à bord du navire (1).A computer-implemented calculation method (500) according to any one of claims 1 to 6, wherein said representative quantity is a hydrodynamic resistance (R) encountered by the hull (10) of the ship (1) or a mechanical power to be provided by a propulsion machine (20) on board the vessel (1).
  8. Procédé de calcul mis en œuvre par ordinateur (500) selon l’une quelconque des revendications 1 à 7, dans lequel ledit tirant d’eau (D) du navire (1) est considéré au niveau d’une ligne perpendiculaire médiane (PM) du navire (1), et dans lequel l’assiette du navire (1) comprend une différence entre un tirant d’eau (Tf) à l’avant du navire et un tirant d’eau (Ta) à l’arrière du navire.A computer-implemented calculation method (500) according to any one of claims 1 to 7, wherein said draft (D) of the vessel (1) is considered at a median perpendicular line (PM) of the ship (1), and wherein the trim of the ship (1) comprises a difference between a draft (Tf) forward of the ship and a draft (Ta) aft of the ship .
  9. Procédé mis en œuvre par ordinateur (600) d’obtention d’une base de données, pour obtenir une base de données (1050) utilisable pour estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer un navire (1), le procédé comprenant des étapes consistant à :
    - générer (601) une pluralité d’états d’exploitation, l’état d’exploitation étant défini au moins par une vitesse (V) du navire, un tirant d’eau (D) du navire et une assiette du navire ;
    - pour chaque état d’exploitation ainsi généré : estimer (602) une grandeur représentative à l’aide du modèle statistique obtenu par le procédé de calcul mis en œuvre par ordinateur (500) selon l’une quelconque des revendications 1 à 8 ; et stocker dans une base de données (1050) la grandeur représentative estimée en association avec l’état d’exploitation.    A computer-implemented method (600) of obtaining a database, for obtaining a database (1050) usable for estimating a quantity representative of an engine power required to propel a ship (1), the method comprising steps of:
    - generating (601) a plurality of operating states, the operating state being defined at least by a speed (V) of the vessel, a draft (D) of the vessel and an trim of the vessel;
    - for each operating state thus generated: estimating (602) a representative quantity using the statistical model obtained by the calculation method implemented by computer (500) according to any one of claims 1 to 8; and storing in a database (1050) the representative quantity estimated in association with the operating state.
  10. Procédé mis en œuvre par ordinateur (700) pour estimer une grandeur représentative d’une puissance motrice dans un navire (1), le procédé comprenant des étapes consistant à :
    - obtenir (701) un tirant d’eau (D) du navire (1) et une assiette du navire ; et
    - obtenir (701) une consigne de vitesse (V) du navire (1) ; et
    - estimer (703) une grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire à partir de la consigne de vitesse (V) du navire, du tirant d’eau du navire (D) et de l’assiette du navire et de la base de données (1050) obtenue par le procédé (600) selon la revendication 9.    A computer-implemented method (700) for estimating a quantity representative of motive power in a vessel (1), the method comprising the steps of:
    - obtain (701) a draft (D) of the ship (1) and a trim of the ship; And
    - obtain (701) a speed setpoint (V) of the vessel (1); And
    - estimating (703) a quantity representative of a driving power necessary to move the ship forward from the speed setpoint (V) of the ship, the draft of the ship (D) and the trim of the ship and of the database (1050) obtained by the method (600) according to claim 9.
  11. Système de gestion (1000) pour un navire (1), le système comprenant :
    - un dispositif d’évaluation d’assiette du navire (1020) apte à évaluer un tirant d’eau (D) du navire (1) et une assiette du navire ;
    - un moyen d’entrée (1042) configuré pour obtenir une consigne de vitesse (V) du navire (1) ; et
    - un moyen de traitement (1010) configuré pour estimer une grandeur représentative d’une puissance motrice nécessaire pour faire avancer le navire (1) à partir de la consigne de vitesse (V) du navire, du tirant d’eau (D) du navire et de l’assiette du navire et de la base de données (1050) obtenue par le procédé (600) selon la revendication 9.    A management system (1000) for a ship (1), the system comprising:
    - a vessel trim evaluation device (1020) capable of evaluating a draft (D) of the vessel (1) and a vessel trim;
    - an input means (1042) configured to obtain a speed setpoint (V) of the vessel (1); And
    - a processing means (1010) configured to estimate a quantity representative of a driving power necessary to move the ship (1) forward from the speed setpoint (V) of the ship, the draft (D) of the vessel and the trim of the vessel and the database (1050) obtained by the method (600) according to claim 9.
PCT/EP2022/075985 2021-09-20 2022-09-19 Estimating a quantity representative of driving power in a ship WO2023041788A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2109875A FR3127311A1 (en) 2021-09-20 2021-09-20 Estimation of a quantity representative of a motive power in a ship
FRFR2109875 2021-09-20

Publications (1)

Publication Number Publication Date
WO2023041788A1 true WO2023041788A1 (en) 2023-03-23

Family

ID=79601820

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/075985 WO2023041788A1 (en) 2021-09-20 2022-09-19 Estimating a quantity representative of driving power in a ship

Country Status (2)

Country Link
FR (1) FR3127311A1 (en)
WO (1) WO2023041788A1 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018228696A1 (en) * 2017-06-15 2018-12-20 Abb Schweiz Ag Controlling marine vessel
CN110110352A (en) 2019-03-20 2019-08-09 浙江海洋大学 A kind of ship longitudinal direction boat state and Resistance Prediction method based on overlapping grid

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018228696A1 (en) * 2017-06-15 2018-12-20 Abb Schweiz Ag Controlling marine vessel
CN110110352A (en) 2019-03-20 2019-08-09 浙江海洋大学 A kind of ship longitudinal direction boat state and Resistance Prediction method based on overlapping grid

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LUO WEILIN ET AL: "Modeling of ship maneuvering motion using neural networks", JOURNAL OF MARINE SCIENCE AND APPLICATION, HARBIN ENGINEERING UNIVERSITY, HEIDELBERG, vol. 15, no. 4, 17 October 2016 (2016-10-17), pages 426 - 432, XP036093542, ISSN: 1671-9433, [retrieved on 20161017], DOI: 10.1007/S11804-016-1380-8 *
PANDA J P: "Machine Learning for Naval Architecture, Ocean and Marine Engineering", ARXIV.ORG, CORNELL UNIVERSITY LIBRARY, 201 OLIN LIBRARY CORNELL UNIVERSITY ITHACA, NY 14853, 1 September 2021 (2021-09-01), XP091053676 *
PARKES A I ET AL: "Physics-based shaft power prediction for large merchant ships using neural networks", OCEAN ENGINEERING, PERGAMON, AMSTERDAM, NL, vol. 166, 15 August 2018 (2018-08-15), pages 92 - 104, XP085460512, ISSN: 0029-8018, DOI: 10.1016/J.OCEANENG.2018.07.060 *

Also Published As

Publication number Publication date
FR3127311A1 (en) 2023-03-24

Similar Documents

Publication Publication Date Title
EP3671391B1 (en) Optimisation of a parametric model of the performance of an aircraft
Smith et al. Analysis techniques for evaluating the fuel savings associated with wind assistance
WO2023041788A1 (en) Estimating a quantity representative of driving power in a ship
Guo et al. Combined machine learning and physics-based models for estimating fuel consumption of cargo ships
Franz von Bock und Polach et al. A decision-based design approach for ships operating in open water and ice
FR2969753A1 (en) Method for automatically planning airborne trajectory for aircraft located in specific geographic point, involves locally adjusting actual trajectory when variations in altitude are determined not to be compatible with flight characteristic
EP3913519A1 (en) Simulation by substitution of a physics laws model with an automatic learning model
Holt et al. Preliminary assessment of increased main engine load as a consequence of added wave resistance in the light of minimum propulsion power
Alexandersson et al. System identification of vessel manoeuvring models
EP3728020A1 (en) Method for controlling the buoyancy of a submarine vehicle
Fahrnholz et al. A machine learning approach to improve sailboat resistance prediction
EP2390863A2 (en) Device for balancing a simulation platform, and associated method
JP2015123904A (en) Ship
Martelli et al. Overall efficiency assessment of a trawler propulsion system based on hydrodynamic performance computations
FR3043224A1 (en) METHOD AND SYSTEM FOR DETERMINING AN IMPROVED OPERATING STATE FOR AN AIRCRAFT
FR3117086A1 (en) Method and system for assisting in the management of a liquefied gas transport vessel of the type consuming boil-off gas for its propulsion
Radojčić Reflections on Power Prediction Modeling of Conventional High-Speed Craft
FR3084939A1 (en) METHOD FOR SIMULATING A FLOW IN WHICH A STRUCTURE IS DIPPED.
FR2569157A1 (en) System for automatically controlling the trim and stability of a ship
Marzi et al. MariData–Digital Twin for Optimal Vessel Operations Impacting Ship Design
You et al. Development of a safe operation capability chart as the design basis of a rudder area
WO1990013077A1 (en) Self-adaptive control process for piloting a physical system
Wahl Prediction of fuel consumption of a ship in transit using machine learning
Vergara Decision Support for Energy Efficiency Operations of Double Ended Ferry
Radojčić et al. Power Prediction Modeling of Conventional High-Speed Craft

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: 22790293

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE