Interpretable Data-Driven Ship Dynamics Model: Enhancing Physics-Based Motion Prediction with Parameter Optimization

要約

船舶への自律航行システムの導入には、個々の船舶に合わせた正確な運動予測モデルが必要である。伝統的な物理ベースのモデルは、流体力学的な原理に基づいているものの、現実の条件下での船舶固有の挙動を説明できないことが多い。逆に、純粋なデータ駆動型モデルは特異性を提供するが、エッジケースにおける解釈可能性と頑健性に欠ける。本研究では、物理ベースの方程式とデータ駆動型のパラメータ最適化を統合したデータ駆動型の物理ベースモデルを提案し、解釈可能性と適応性を確保するために両方のアプローチの長所を活用する。このモデルは、3-DoF動力学、舵、プロペラ力などの物理ベースのコンポーネントを組み込む一方、抵抗曲線や舵係数などのパラメータは合成データを用いて最適化する。パラメータ最適化プロセスに領域知識を組み込むことにより、適合モデルは物理的整合性を維持する。本アプローチの検証は、2隻のコンテナ船を用いて、地上での真実の軌跡に対する予測値を定性的にも定量的にも比較することで実現した。その結果、データ駆動型物理ベースモデルの予測精度と信頼性が、従来の海洋工学的手法で調整されたベースライン物理ベースモデルよりも大幅に改善されたことが実証された。適合したモデルは、様々な条件下での船舶固有の挙動を捉え、その予測精度は51.6%（船舶A）、57.8%（船舶B）、一貫性は72.36%（船舶A）、89.67%（船舶B）であった。

要約(オリジナル)

The deployment of autonomous navigation systems on ships necessitates accurate motion prediction models tailored to individual vessels. Traditional physics-based models, while grounded in hydrodynamic principles, often fail to account for ship-specific behaviors under real-world conditions. Conversely, purely data-driven models offer specificity but lack interpretability and robustness in edge cases. This study proposes a data-driven physics-based model that integrates physics-based equations with data-driven parameter optimization, leveraging the strengths of both approaches to ensure interpretability and adaptability. The model incorporates physics-based components such as 3-DoF dynamics, rudder, and propeller forces, while parameters such as resistance curve and rudder coefficients are optimized using synthetic data. By embedding domain knowledge into the parameter optimization process, the fitted model maintains physical consistency. Validation of the approach is realized with two container ships by comparing, both qualitatively and quantitatively, predictions against ground-truth trajectories. The results demonstrate significant improvements, in predictive accuracy and reliability, of the data-driven physics-based models over baseline physics-based models tuned with traditional marine engineering practices. The fitted models capture ship-specific behaviors in diverse conditions with their predictions being, 51.6% (ship A) and 57.8% (ship B) more accurate, 72.36% (ship A) and 89.67% (ship B) more consistent.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL