2021 Fiscal Year Annual Research Report
最適制御理論と人工知能技術の融合による自動着桟技術の研究
| Project/Area Number |
19K04858
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
牧 敦生 大阪大学, 工学研究科, 准教授 (50556496)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
梅田 直哉 大阪大学, 工学研究科, 教授 (20314370)
秋本 洋平 筑波大学, システム情報系, 准教授 (20709654)
白川 真一 横浜国立大学, 大学院環境情報研究院, 准教授 (90633272)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 自動離着桟技術 / 最適制御理論 / トラッキング制御 / 強化学習 / ニューロコントロール / 非線型カルマンフィルタ |
|---|
| Outline of Annual Research Achievements |
最終年度は、これまで取り組んできた自動離着桟に関わる各種構成要素技術を実験により検証を行った。
まずは、トラッキング制御で追従をするための参照航路の計算手法を深化させた。その結果、船長が行うような着桟経路を自動的に生成する計算アルゴリズムを確立することに成功した。これにより、複雑な港湾形状を持つ港であっても、着桟パスを先験的な解を必要とせずに求めることが可能となった。
しかし、実際の環境では、計画時には考慮されていなかった風等の外乱がある。そこで、あらかじめ得られた計画航路を、その時の風外乱の状況に応じて、リアルタイムで自動的に変形をさせるアルゴリズムも確立した。
実際の自動着桟は、参照経路を追従するトラッキング制御で行った。その際の追従制御のアルゴリズムとしては、ＰＩＤ制御則・ニューロコントロール・強化学習に基づく手法など、複数のものを新たに提案をし、数値計算によりあらかじめその性能をシミュレーション環境で向上させた。
一方、実際のトラッキング制御に際しては、現在の船の状態量を正確に把握をしておく必要があった。そのため、非線型カルマンフィルタを用いて、船の状態量をより正確に把握できるアルゴリズムを確立した。その際の状態空間モデルとしては、比較的高精度かつ非線形な操縦モデルを用いて、推定精度の保持に努めた。
その上で、自由航走模型を用いた自動離着桟実験を大阪大学実験池において行った。その結果、外乱がさほど強くない環境下では、着桟が問題なくできることを確認をした。一般的な自動離着桟のデモンストレーションで行われるような「入船」の自動着桟のみならず、岸壁の前で１８０度ターンをするような「出船」での自動着桟も行い、いずれについても自動着桟を精度よく行いうることが示された
|
