[論文レビュー] A novel model-based parameters estimation combining local optimization and global optimization of nonlinear ship models with physical experiment dataset

Xu You, Xinping Yan+3 more|arXiv (Cornell University)|Dec 9, 2023

Ship Hydrodynamics and Maneuverability被引用数 4

ひとこと要約

本論文では、実物理実験データを用いて非線形パrameterを同定するため、グローバル最適化（GO）とローカル最適化（LO）を組み合わせた新しいモデルベースのパrameter推定手法、MBPE-LOGOを提案する。この手法は、高い精度で船の軌道を予測でき、予測ステップが50ステップに達するまで平均二乗誤差（RMSE）が許容範囲内に保たれ、自律制御器設計への有効性が裏付けられる。

ABSTRACT

Designing an autonomous precise controller for ships requires accurate and reliable ship models, including the ship dynamic model and actuator model. However, selecting a suitable model for controller design and determining its parameters pose a significant challenge, considering factors such as ship actuation, input constraints, environmental disturbances, and others. This challenge is further amplified for underactuated ships, as obtaining decoupled experiment data is not feasible, and the limited data available may not adequately represent the motion characteristics of ships. To address this issue, we propose a novel model-based parameter estimation approach, called MBPE-LOGO, for underactuated ship motion models. This method combines local optimization and global optimization methods to solve the model identification problem using a dataset generated from real experiments. The effectiveness of the identified model is verified through extensive comparisons of different trajectories and prediction steps.

研究の動機と目的

• 実験データを用いて非線形パrameterを高精度に同定する課題に対処すること。
• 速度や旋回角の変化に応じた動的パrameter適応を可能にすることで、固定パrameterモデルの限界を克服すること。
• 大規模で非線形な船の運動モデル同定を扱える、グローバル最適化とローカル最適化を統合した強固なパrameter推定フレームワークの構築。
• 多様な軌道と予測ホライズンにおいて、同定されたモデルの予測性能を検証し、自律制御設計への応用を支援すること。
• 複雑な制御アルゴリズムへの依存を減らすために、データ駆動型パrameter推定によるモデル精度の向上を図ること。

提案手法

• 本手法はハイブリッド最適化戦略を採用する：グローバル最適化（GO）により広範なパrameter空間を探索し、有望な領域を特定した後、ローカル最適化（LO）により高精度に解を精緻化する。
• 船の運動モデルは、2基の後部アングルスラスタを備えた非駆動自由度の船に適応したMMG（Maneuvering Modeling Group）フレームワークに基づく。
• 推定されたモデルパラメータから、位置、ヘディング、速度などの船の運動状態をシミュレートするために4次ルンゲ・クッタ法（RK4）積分器が使用される。
• 物理的船の特性から導かれる制約条件を適用することで、解空間を制限し、収束性の向上と過剰適合の低減を図る。
• パrameter推定プロセスには、制御入力と測定された運動状態を含む、タグル船の実世界実験データが使用され、全28の多様なマニューバをカバーする。
• 本手法は、+30+30ジグザグおよび旋回円マニューバの2つの異なる軌道において、1～50ステップのマルチステップ予測タスクを通じて検証された。

実験結果

リサーチクエスチョン

• RQ1 実験データを用いた非線形パrameter同定に、ハイブリッドグローバル・ローカル最適化アプローチが有効に機能するか。
• RQ2 同定されたモデルは、長期間の予測ホライズン（例：50ステップ）において、どの程度の精度で船の運動状態を予測できるか。
• RQ3 特にヨー運動に関して、船の速度や旋回角の変化が予測誤差に与える影響は何か。
• RQ4 本手法は、多様なマニューバにおいて、従来の固定パrameterモデルと比較して予測精度が向上するか。
• RQ5 同定されたモデルは、モデル予測制御（MPC）のような高度な制御器設計をどの程度支援できるか。

主な発見

• 提案されたMBPE-LOGO手法は、最適なモデルパラメータを効果的に同定し、28の実験マニューバにおいて、予測軌道が実測データとよく一致することを示した。
• ヨー速度（r）の平均二乗誤差（RMSE）は、シューサイドとスワイド速度よりも高いが、全体的なトレンドはよく予測されており、制御用途においても許容可能な精度であると示された。
• 予測ステップ数が増加するにつれて予測精度は低下するが、RMSEは40ステップまでで許容範囲内に保たれ、50ステップ予測でさえ制御器設計に使用可能であると判断された。
• +30+30ジグザグおよび旋回円マニューバを含む多様な軌道において、モデルは一貫した性能を示し、そのロバストネスと一般化能力が確認された。
• 本手法は、複雑な非線形ダイナミクスと物理的制約を効果的に処理でき、高速走行や高回転状態でも強力な予測性能を示した。
• 結果から、グローバル最適化とローカル最適化を統合することで、自律船の制御に適した高精度なデータ駆動型パrameter推定が可能であることが裏付けられた。