Development of Prediction Model of Ship Manoeuvring Motion using Recurrent Neural Network

2023 Fiscal Year Final Research Report

• Project/Area Number: 21H01550
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 24020:Marine engineering-related
• Research Institution: Kyushu University
• Principal Investigator: Furukawa Yoshitaka 九州大学, 工学研究院, 教授 (90253492)
• Co-Investigator(Kenkyū-buntansha): 石橋 篤 東京海洋大学, 学術研究院, 准教授 (00242321) ; 茨木 洋 九州大学, 工学研究院, 助教 (20274508) ; 木村 元 九州大学, 工学研究院, 教授 (40302963)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 自律航行船 / 操縦運動推定モデル / 再帰型ニューラルネットワーク / 低速航行 / 航行安全性

Outline of Final Research Achievements

Accurate simulations of ship manoeuvring motions are essential to develop control systems for autonomous ships. However, mathematical model of hydrodynamic forces acting on a ship hull using hydrodynamic coefficients cannot be applied to the manoeuvring motion of a ship navigating at low speed in restricted water area. In this research, instead of the conventional prediction method of ship manoeuvring motion by solving the equations of motion of a ship with hydrodynamic coefficients, a recurrent neural network which is a type of deep learning technology is applied to the time series data of manoeuvring motion to predict ship manoeuvring motion based on input such as rudder angle.

Free Research Field

船舶操縦性

Academic Significance and Societal Importance of the Research Achievements

本研究課題において開発した操縦運動推定モデルは，操縦運動の時系列データに対して再帰型ニューラルネットワークを適用することにより構築可能であるため，船体に作用する流体力の数学モデルに含まれる各種流体力係数の値が不要であり，操縦運動方程式を解くことなく船舶の操縦運動を推定することが可能となる。従って，各種流体力係数の情報不足が懸念される船舶であっても，実運航時における操縦運動の時系列データがあれば操縦運動推定モデルを構築できる可能性があるため，自律航行船舶の開発に寄与することが期待される。