Preview

Научно-технический сборник Российского морского регистра судоходства

Расширенный поиск

Обзор применения искусственных нейронных сетей в задачах моделирования качки автономного судна

EDN: UFKSYW

Аннотация

   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.

Об авторах

С. В. Шульц
Санкт-Петербургский государственный морской технический университет
Россия

аспирант

190121; ул. Лоцманская, 3; Санкт-Петербург



М. А. Кутейников
ФАУ «Российский морской регистр судоходства»
Россия

д-р техн. наук

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



В. Ю. Шульц
Санкт-Петербургский государственный морской технический университет
Россия

канд. физ.-мат. наук

190121; ул. Лоцманская, 3; Санкт-Петербург



Список литературы

1. Madusanka 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.

2. 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.

3. 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.

4. 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.

5. 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.

6. 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.

7. 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.

8. 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.

9. 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.

10. 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.

11. 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.

12. 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.


Рецензия

Для цитирования:


Шульц С.В., Кутейников М.А., Шульц В.Ю. Обзор применения искусственных нейронных сетей в задачах моделирования качки автономного судна. Научно-технический сборник Российского морского регистра судоходства. 2025;(78):44-50. EDN: UFKSYW

For citation:


Shults S.V., Kuteinikov М.А., Shults V.Yu. An overview of application of artificial neural networks in modeling motions of autonomous vessel. Research Bulletin by Russian Maritime Register of Shipping. 2025;(78):44-50. (In Russ.) EDN: UFKSYW

Просмотров: 146


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2223-7097 (Print)