rmrsНаучно-технический сборник Российского морского регистра судоходстваResearch Bulletin by Russian Maritime Register of Shipping2223-7097Российский морской регистр судоходстваUFKSYWrmrs-111Research ArticleМОРЕХОДНЫЕ КАЧЕСТВА СУДОВSEAWORTHINESSОбзор применения искусственных нейронных сетей в задачах моделирования качки автономного суднаAn overview of application of artificial neural networks in modeling motions of autonomous vesselШульцС. В.ShultsS. V.

аспирант

190121; ул. Лоцманская, 3; Санкт-Петербург

PhD student

190121; Lotsmanskaya ul., 3; St. Petersburg

svsch9@yandex.ruКутейниковМ. А.KuteinikovМ. А.

д-р техн. наук

191186; ул. Миллионная, 7A; Санкт-Петербург

DSc

191186; Millionnaya ul., 7A; St. Petersburg

kuteynikov.ma@rs-class.orgШульцВ. Ю.ShultsV. Yu.

канд. физ.-мат. наук

190121; ул. Лоцманская, 3; Санкт-Петербург

PhD

190121; Lotsmanskaya ul., 3; St. Petersburg

vysch@yandex.ruСанкт-Петербургский государственный морской технический университетРоссияSt. Petersburg State Marine Technical UniversityRussian FederationФАУ «Российский морской регистр судоходства»РоссияFAI Russian Maritime Register of ShippingRussian Federation2025040420250784450Copyright © Шульц С.В., Кутейников М.А., Шульц В.Ю., 20252025Шульц С.В., Кутейников М.А., Шульц В.Ю.Shults S.V., Kuteinikov М.А., Shults V.Y.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sbornik.rs-class.org/jour/article/view/111

   Актуальность выбранной темы исследования объясняется активным развитием автономного судовождения и необходимостью решения проблем, возникающих в процессе эксплуатации морских автономных надводных судов.

   В данной работе приведен обзор некоторых моделей прогнозирования качки судна на нерегулярном волнении, построенных на основе искусственных нейронных сетей. Практическое преимущество рассмотренных подходов заключается в возможности их применения в составе относительно малопроизводительных бортовых вычислительных комплексов автономных судов, где экономически нецелесообразно или технически невозможно размещение высокопроизводительных вычислительных кластеров, а результаты расчетов должны получаться в реальном времени. Сделан вывод, что результаты расчетов, полученные с помощью рассмотренных моделей, имеют существенную погрешность прогнозирования параметров качки судна вблизи экстремумов кривой углов бортовой и килевой качки, что ставит под вопрос безопасность их применения.

   The relevance of the chosen research topic is explained by the active development of autonomous navigation and the need to solve problems arising during the operation of marine autonomous surface ships.

   This paper provides an overview of some models for predicting motions of a ship in irregular waves, built on the basis of artificial neural networks. The practical advantage of the considered approaches lies in the possibility of their application as part of relatively low-performance onboard computing systems of autonomous ships, where it is economically impractical or technically impossible to place high-performance computing clusters, and the calculation results should be obtained in real time. It is concluded that the calculation results obtained using the considered models have a significant error in predicting the ship's motions parameters near the extremes of the curve of the angles of rolling and pitching, which calls into question the safety of their application.

автономное судномоделирование качкинерегулярное волнениеискусственные нейронные сетиautonomous shipsimulation of ship motionsirregular sea wavesartificial neural networksReferencesMadusanka N.S. Digital twin in the maritime domain: a review and emerging trends / N.S. Madusanka, Y. Fan, S. Yang, X. Xiang // Journal of Marine Science and Engineering. — 2023. — Vol. 11. Issue 5. — P. 1021. — DOI: 10.3390/jmse11051021.Madusanka N.S., Fan Y., Yang S., Xiang X. Digital twin in the maritime domain : a review and emerging trends. Journal of Marine Science and Engineering. 2023. Vol. 11. Issue 5. P. 1021. DOI: 10.3390/jmse11051021.Айзинов С.Д. Принципы оценки функциональных свойств систем автономного судовождения / С.Д. Айзинов, А.А. Буцанец, С.В. Смоленцев, В.Г. Сенченко, М.С. Лопатин // Научно-технический сборник Российского морского регистра судоходства. — 2024. — № 74. — С. 83 — 96.Aizinov S.D., Butsanets A.A., Smolentsev S.V., Senchenko V.G., Lopatin M.S. Principles for assessing the functional properties of systems for autonomous shipping. Research Bulletin by Russian Maritime Register of Shipping. 2024. No. 74. P. 83 — 96. (In Russ.)Kasyk L. The analysis of social and situational systems as components of human errors resulting in navigational accidents / L. Kasyk, A.E. Wolnowska, K. Pleskacz, T. Kapuściński // Applied Sciences. — 2023. — Vol. 13. — Issue. 11. — P. 6780. — DOI: 10.3390/app13116780.Kasyk L., Wolnowska A.E., Pleskacz K., Kapuściński T. The analysis of social and situational systems as components of human errors resulting in navigational accidents. Applied Sciences. 2023. Vol. 13. Issue. 11. P. 6780. DOI: 10.3390/app13116780.Гомзяков М.В. Обзор аварийности морских транспортных судов Дальневосточного региона / М.В. Гомзяков // Научно-технический сборник Российского морского регистра судоходства. — 2020. — № 58/59. — С. 4 — 10.Gomzyakov M.V. Overview of maritime transport casualties in the Far East. Research Bulletin by Russian Maritime Register of Shipping. 2020. No. 58/59. P. 4 — 10. (In Russ.)Казунин Д.В. Разработка проекта требований РС к автономным судам / Д.В. Казунин, В.В. Ефимов // Научно-технический сборник Российского морского регистра судоходства. — 2020. — № 60/61. — С. 4 — 22.Kazunin D.V., Efimov V.V. Development of draft RS requirements for autonomous vessels. Research Bulletin by Russian Maritime Register of Shipping. 2020. No. 60/61. P. 4 — 22. (In Russ.)Кутейников М.А. Критерии риска потери остойчивости судна без хода / М.А. Кутейников, В.Р. Самойлов // Научно-технический сборник Российского морского регистра судоходства. — 2019. — № 56/57. — С. 40 — 50.Kuteinikov M.A., Samoilov V.R. Criteria of risk of stability loss under dead ship condition. Research Bulletin by Russian Maritime Register of Shipping. 2019. No. 56/57. P. 40 — 50. (In Russ.)Liu Y. Improving deterministic pitch motions estimation using bivariate sequential wave input / Y. Liu, Q. Zheng, W. Duan, L. Huang // IOP Conference Series: Materials Science and Engineering. — 2019. — Vol. 688. Issue 3. — P. 033017. — DOI: 10.1088/1757-899X/688/3/033017.Liu Y., Zheng Q., Duan W., Huang L. Improving deterministic pitch motions estimation using bivariate sequential wave input. IOP Conference Series: Materials Science and Engineering. 2019. Vol. 688. Issue 3. P. 033017. DOI: 10.1088/1757-899X/688/3/033017.Suhermi N. Roll motion prediction using a hybrid deep learning and ARIMA model / N. Suhermi, S. Suhartono, D.D. Prastyo, B. Ali // Procedia Computer Science. — 2018. — Vol. 144. — P. 251 — 258. — DOI: 10.1016/j.procs.2018.10.526.Suhermi N., Suhartono S., Prastyo D.D., Ali B. Roll motion prediction using a hybrid deep learning and ARIMA model. Procedia Computer Science. 2018. Vol. 144. P. 251 — 258. DOI: 10.1016/j.procs.2018.10.526.Zhang W. Real-time ship motion prediction based on time delay wavelet neural network / W. Zhang, Zh. Liu // Journal of Applied Mathematics. — 2014. — Vol. 4. — Article ID 176297. — DOI: 10.1155/2014/176297.Zhang W., Liu Zh. Real-time ship motion prediction based on time delay wavelet neural network. Journal of Applied Mathematics. 2014. Vol. 4. Article ID 176297. DOI: 10.1155/2014/176297.Su Y. Real-time prediction of large-scale ship model vertical acceleration based on recurrent neural network / Y. Su, J. Lin, D. Zhao, C. Guo et al. // Journal of Marine Science and Engineering. — 2020. — Vol. 8. Issue 10. — P. 777. — DOI: 10.3390/jmse8100777.Su Y., Lin J., Zhao D., Guo C. et al. Real-time prediction of large-scale ship model vertical acceleration based on recurrent neural network. Journal of Marine Science and Engineering. 2020. Vol. 8. Issue 10. P. 777. DOI: 10.3390/jmse8100777.Tian X. Machine learning for short-term prediction of ship motion combined with wave input / X. Tian, Y. Song // Applied Sciences. — 2023. — Vol. 13. Issue 9. — P. 5298. — DOI: 10.3390/app13095298.Tian X., Song Y. Machine learning for short-term prediction of ship motion combined with wave input. Applied Sciences. 2023. Vol. 13. Issue 9. P. 5298. DOI: 10.3390/app13095298.Wang Y. Ship roll prediction algorithm based on Bi-LSTM-TPA combined model / Y. Wang, H. Wang, D. Zou, H. Fu // Journal of Marine Science and Engineering. — 2021. — Vol. 9. Issue 4. — P. 387. — DOI: 10.3390/jmse9040387.Wang Y., Wang H., Zou D., Fu H. Ship roll prediction algorithm based on Bi-LSTM-TPA combined model. Journal of Marine Science and Engineering. 2021. Vol. 9. Issue 4. P. 387. DOI: 10.3390/jmse9040387.

The authors declare that there are no conflicts of interest present.