2022 Fiscal Year Final Research Report
Study on hull fouling evaluation model by topological data analysis of multiple time series data
| Project/Area Number |
20K04951
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 24020:Marine engineering-related
|
|---|
| Research Institution | National Institute of Maritime, Port and Aviation Technology |
|---|
Principal Investigator |
Kameyama Michihihro 国立研究開発法人海上・港湾・航空技術研究所, その他部局等, 研究員 (40373427)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
藤本 修平 国立研究開発法人海上・港湾・航空技術研究所, その他部局等, 研究員 (80586686)
谷口 智之 国立研究開発法人海上・港湾・航空技術研究所, その他部局等, 研究員 (20782460)
西崎 ちひろ 東京海洋大学, 学術研究院, 准教授 (70570993)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | パーシステントホモロジー / アトラクタの再構成 / 時系列データ / 摩擦抵抗 / 回転円筒試験 / フジツボ |
|---|
| Outline of Final Research Achievements |
We used a rotating cylinder test apparatus using fresh water to measure , under various rotaing speed, operating conditions such as surface friction coefficient, rotational torque, and power consumption of cylindrical test specimens with different attachment states of aquatic organisms such as barnacles created by immersing them in actual marine environments . We obtained time-series data and applied persistent homology to the attractors of the measured time-series data to extract characteristic values of the operating conditions such as rotational torque, and created a learning model to identify differences in surface irregularities of the rotating cylinder test specimens using support vector machines. Applying the learning model created using time-series data from the rotating cylinder test, we confirmed that this analysis method can accurately identify differences in the surface conditions of the test specimens.
|
| Free Research Field |
船舶海洋工学
|
| Academic Significance and Societal Importance of the Research Achievements |
時系列データに基づいて状態の違いを識別する手法として統計学的手法や大量の学習データに基づいて識別する手法が多く開発されているが、本研究で開発した手法は時系列データの形に着目して状態診断を行うため、診断した根拠を理解し易いという特徴を有している。そのため、多岐にわたる複数の時系列データ毎に本解析手法を適用して得られる診断結果を組み合わせた学習データを作成することで、より複雑な状態の診断が可能となると考えられる。様々な外力に暴露される実船の運航データなどへの本開発手法の適用を通じて、船舶運航時の水生生物の付着などによる船体汚損を判断する手法の開発に役立つことが期待される。
|
