実船データを⽤いた操縦運動モデルのパラメータのファインチューニング

340 Views

November 30, 23

スライド概要

令和5年度の日本船舶海洋工学会秋季講演会における発表資料です

profile-image

大阪大学 工学研究科 地球総合工学専攻 船舶海洋工学部門 船舶知能化領域です. 研究室の発表スライドなどを共有します. We are Ship Intelligentization Subarea, Dept. of Naval Architecture & Ocean Engineering, Div. of Global Architecture, Graduate School of Engineering, Osaka University.

シェア

またはPlayer版

埋め込む »CMSなどでJSが使えない場合

関連スライド

各ページのテキスト
1.

実船データを⽤いた操縦運動モデルのパラメータの ファインチューニング 巣⼭ 凜*, 脇⽥ 康希*, 牧 敦⽣* *⼤阪⼤学⼤学院 ⼯学研究科 船舶知能化領域

2.

2 背景: MMGモデル MMGモデルは⾼い精度をもつ古典的な 操縦運動モデルであり、様々なシミュレーション の場⾯で使⽤される ⾼い操縦運動推定性能 MMGモデルの使⽤例  流体⼒学に基づく定式化  制御則の検証  多数のデータに基づく フィッティングによる パラメータ決定  拘束試験  CFD  設計した制御則を操縦運動 シミュレーションで検証  強化学習の学習環境  状態遷移モデル  新造船の性能推定

3.

3 背景: MMGモデルのパラメータ決定⼿法 流体⼒学や拘束試験、SIなどに基づいた パラメータ決定⽅法が研究されてきた  ポテンシャル理論に基づく  SI  模型船⾃由航⾛試験 付加質量・付加慣性モーメントの算出  拘束模型試験結果のフィッティング によるパラメータの決定      CFDシミュレーション 元良チャート* 船体流体⼒** 舵、プロペラの単独性能** ⼲渉流体⼒係数** [*]: 元良. (1959).船体運動に対する附加質量および附加慣性モーメントについて.造船協會論⽂集, 1959(105), 83–92. [**]: Yasukawa, H., & Yoshimura, Y. (2015). Introduction of MMG standard method for ship maneuvering predictions. Journal of Marine Science and Technology, 20, 37–52.

4.

4 研究内容 実船データを⽤いたMMGモデルのパラメータ チューニング⼿法を提案 実船⽤パラメータ決定⼿法の現状 提案  模型⽤パラメータの修正⼿法は ⼀部のパラメータに限られている  対象実船の操縦運動時系列 データを参照  実船の拘束試験は実施困難である 場合が多い  任意のパラメータを対象  実船拘束試験のCFD シミュレーションは計算コスト⼤  推定誤差最⼩化問題を 定式化し、進化戦略を使⽤し 求解

5.

5 対象船と操縦運動モデル コンテナ船の操縦運動モデルを前進運動に 関して⽴式 対象実船 操縦運動モデル  内航コンテナ* Item pp [m] [m] [m] b G [m] P [m] R [m] 2 R [m ] Value 83.0 13.5 3.8 0.737 0.93 2.80 3.49 6.282 表: 対象船主要⽬ : チューニング対象 のパラメータ [*]: Okuda, R., Yasukawa, H., Yamashita, T., & Matsuda, A. (2023). Maneuvering simulations at large drift angles of a ship with a flapped rudder. Applied Ocean Research, 135, 103567.

6.

6 船体流体⼒のモデル  無次元係数の多項式モデル : チューニング対象のパラメータ

7.

7 プロペラ⼒のモデル*  プロペラ⼒  プロペラの滑りの表現 推⼒減少率  有効伴流率のモデル : 無次元係数 : プロペラ円盤⾯積 : プロペラ流⼊スピード : チューニング対象のパラメータ [*]: Okuda, R., Yasukawa, H., Yamashita, T., & Matsuda, A. (2023). Maneuvering simulations at large drift angles of a ship with a flapped rudder. Applied Ocean Research, 135, 103567.

8.

8 舵⼒のモデル*  舵⼒  舵への流⼊速度の縦成分  舵直圧⼒  舵への流⼊速度の横成分 : 舵⾯積 : 舵への流⼊スピード : フラップ⾓の関数 : チューニング対象のパラメータ [*]: Okuda, R., Yasukawa, H., Yamashita, T., & Matsuda, A. (2023). Maneuvering simulations at large drift angles of a ship with a flapped rudder. Applied Ocean Research, 135, 103567.

9.

チューニング対象と探索範囲 9 12個のパラメータを対象に 模型試験結果に基づく値の近傍でチューニング  対象パラメータ  Pre-determined値:  ポテンシャル理論や拘束模型試験結果に基づき決定された値*  探索範囲  Pre-determined値の近傍 [*]: Okuda, R., Yasukawa, H., Yamashita, T., & Matsuda, A. (2023). Maneuvering simulations at large drift angles of a ship with a flapped rudder. Applied Ocean Research, 135, 103567.

10.

10 実船操縦運動時系列データ 複数の旋回試験のデータを使⽤  時系列データ  チューニング⽤セットと 検証⽤セット  舵⾓±10度, ±20度, ±35度, ±40度の旋回試験データを割り当て 図: 舵⼒10度の旋回試験の時系列データ

11.

パラメータチューニング問題 11 操縦運動の推定誤差を最⼩化するパラメータを探索  最⼩化問題の定式化  あるパラメータを適⽤ したMMGモデルによる シミュレーションを実施  パラメータに関し、推定誤差の 重み付き総和を最⼩化  CMA-ESを⽤いた最適解の探索

12.

12 結果: 評価関数の値 探索範囲を広げることでフィッティング性能は 向上するが、偏ったチューニングとなる場合がある  チューニング⽤データセットに対しては 探索範囲を広げるほど推定性能が向上する フィッティング誤差  フィッティングの際動かせる パラメータの範囲は広くなるため  チューニングしたパラメータの 検証の必要性  テスト⽤データセットを⽤いた評価より 偏ったチューニングが確認された  探索範囲を拡⼤することで汎化性能も向上する 傾向があるが、過学習が発⽣した 汎化誤差

13.

結果: 推定された時系列の⽐較 旋回半径が⼤きくなるようチューニングされた  推定される経路は 実船データに近づいた  それぞれの探索範囲でチューニング した結果に⼤きな差異はない に関する評価で最⾼成績 に関する評価で最低成績 13

14.

14 結果: チューニング結果のパラメータの値 有効伴流率や操舵抵抗減少率のチューニングの 影響が⽀配的  全ての例で𝒘𝐏𝟎 𝒕𝐑 𝟎が⼤きく 𝟎と  𝒖𝐏 ⼩さく →スラスト⼤きく  舵抵抗⼩さく  全ての例で𝒂𝐇 𝟎と 𝒙′𝐇 𝟎が⼩さく  𝑵𝐑 𝟎⼤きく 図: チューニング結果 のプロット

15.

まとめ、今後の課題 まとめ  実船の操縦運動時系列データを⽤いた、MMGモデルのパラメータ チューニング⼿法を提案した  コンテナ船を対象とした数値例で、提案⼿法による 操縦運動推定性能の向上が確認された  データが⼗分に存在する場合、出⼒されるパラメータの 検証を⾏うことが望ましい 今後の課題  探索範囲  潮流、⾵圧⼒の考慮 15

16.

16 本研究は、⽇本財団無⼈運航船プロジェク「MEGURI2040」の⼀部 として実施されたものである。 本研究の実施に際し、熱⼼な討論を賜った⾕⼝拓也⽒(⼤阪⼤学⼤学 院)、松下凜太郎⽒(株式会社MTI)、⾓⽥領⽒(株式会社MTI)に 御礼を申し上げる。 また、本研究の⼀部は、JSPS科研費#22H01701の助成、造船学術推 進機構(REDAS)の研究補助REDAS23-5(18A)号を受け⾏われたも のである。 この場を借りて、関係各位に御礼を申し上げる次第である。