文献

J-GLOBAL ID：202202270751703609   整理番号：22A0718669

低速の船舶操縦モデルのためのニューラルネットワーク同定について

On neural network identification for low-speed ship maneuvering model

著者 (8件)： Wakita Kouki (Osaka University, Suita, Osaka, Japan) ,  Maki Atsuo (Osaka University, Suita, Osaka, Japan) ,  Umeda Naoya (Osaka University, Suita, Osaka, Japan) ,  Miyauchi Yoshiki (Osaka University, Suita, Osaka, Japan) ,  Shimoji Tohga (Osaka University, Suita, Osaka, Japan) ,  Rachman Dimas M. (Osaka University, Suita, Osaka, Japan) ,  Akimoto Youhei (Faculty of Engineering, Information and Systems, University of Tsukuba, Tsukuba, Ibaraki, Japan) ,  Akimoto Youhei (RIKEN Center for Advanced Intelligence Project, Tokyo, Japan)
資料名： Journal of Marine Science and Technology (Web)  (Journal of Marine Science and Technology (Web))
巻： 27  号： 1  ページ： 772-785  発行年： 2022年 
JST資料番号： U1597A  ISSN： 0948-4280  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 要旨:船舶の操縦モデルに関しては拘束模型試験,或いは計算流体力学(CFD),および操縦モデリング・グループ(MMG)モデル等の物理モデルを用いた幾つかの研究が行われて来た。本研究では,リカレント・ニューラルネットワーク(RNNs)を用いて低速操縦モデルを構成するための新しいシステム同定法,および自由航走模型試験を示した。特に,自動着桟制御を完遂するための着桟時の最終段階等の低速操船に焦点を絞った。モデルにもとづく制御システムを確立するためには,モデル化誤差が最小の高精度動力学モデリングが強く求められている。著者等は訓練データ中に含まれるノイズの影響を低減する新しい損失関数を提示した。更に,以下の事実,即ち或る時点以前の履歴を無視するRNNは“標準的”RNNと比較して予測精度が改善すること,およびランダムな手動操船試験が精確な着桟操縦モデルを得るために有効であることを明らかにした。加えて,M.V.EssoOsakaの縮尺模型について,数ケースの低速自由航走模型試験を実施した。その結果,本論文はニューラルネットワーク・モデルを用いた本手法により低速の操縦運動を精確に表記出来ることを示した。Copyright The Japan Society of Naval Architects and Ocean Engineers (JASNAOE) 2022 Translated from English into Japanese by JST.

シソーラス用語： *操船 ,  *操縦性 ,  *数学モデル ,  *システム同定 ,  *モデリング ,  *ニューラルネットワーク ,  接岸 ,  データ ,  誤差 ,  損失関数 ,  精度 ,  模型試験
準シソーラス用語： システムモデリング ,  モデル化誤差 ,  リカレントニューラルネットワーク ,  訓練データ ,  予測精度

著者キーワード (4件)： システム同定 ,  リカレントニューラルネットワーク ,  自動バーシング ,  マニュアルランダム操作

分類 (1件)： 船舶性能  (QJ02010Q)

タイトルに関連する用語 (6件)： 低速 ,  船舶 ,  操縦 ,  モデル ,  ニューラルネットワーク ,  同定