| 研究概要 |
船舶をある状態からある状態まで最短時間で移動させる操船問題を船体の詳細な非線形運動モデルを用いて数値的に解くことにより,個人差のない操船法を得ることができる.
しかし,実用上,事前にその時々の操船場面に対する最短時間制御解を得ておく必要があり,さらに,実海域の海象や求解に用いたモデル誤差をオンラインで補正する制御手法が必要である.
本研究の目的は,幾つかの操船法に対する最短時間制御解を教師データとして予めニューラルネットワークに学習させ,実海域においてその状況に応じた最短時間制御解の近似解を短時間に生成するシステムと外乱や船舶の非線形特性を考慮した制御系を構成する実用的な手法の確立である.
本年度の研究の結果,ニューラルネットワークの最短時間着桟操船制御解補間機構としての可能性を系統的な数値計算とその評価によって明らかにするとともに,最短時間着桟操船制御システム中で用いるニューラルネットワークの構造やオンライン非線形モデル予測制御系の設計法を提案した.
具体的には,
(1)種々の最短時間最短時間着桟操船解を多入力2出力のニューラルネットワークに学習させ,その収束性,補間精度などを検討し,比較的広い範囲の初期位置やある程度の外乱に対してニューラルネットワークが解を補間できることを確認した.
(2)(1)で行った最短時間着桟制御解の補間導出を行うニューラルネットワークに加え,外乱を実時間制御中に補償する非線形オンラインモデル予測制御系の設計法を提案し,船体の非線形運動モデルを備えた船体運動シミュレータを対象として,数値シミュレーションを行い,その有効性を確認した.
(3)提案したニューラルネットワークと非線形オンライン予測を用いた最短時間着桟制御系の実用性を評価するために,種種の条件下でのアプローチ操船の実船実験を行い,実際的な状況下で提案手法が,実用化手法としての特性を備えていることを確認した.
|
