| 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.研究の結果以下の成果を得た.
(1)種々の最短時間幅寄せ操船解を外乱の有無,モデル化誤差の有無等の条件下で幾つかの構造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,外乱を含めた条件すべてを考慮したニューラルネットワークの構成は実用上の問題が多いことを確認した.さらに,種々の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)で行った最短時間幅寄せ制御解および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)構築した制御システムを用いて,幅寄せ実船実験を行い,従来の手法と比較して,定性的および定量的な評価ともに提案手法が優れていることを確認した.また,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.
|
