[論文レビュー] Multifidelity digital twin for real-time monitoring of structural dynamics in aquaculture net cages

Eirini Katsidoniotaki, Biao Su+2 more|arXiv (Cornell University)|Jun 6, 2024

Water Quality Monitoring Technologies被引用数 5

ひとこと要約

本論文は、非線形自己回帰ガウス過程（NARGP）を用いた多忠実度代替モデリングフレームワークを開発し、漁業用ネットケージのダイナミクスをリアルタイム監視するデジタルツインを構築。全規模のSINTEF ACEファームで検証され、GP-PCAサロゲートとグラフ畳み込みネットワーク（GCNs）を比較する。

ABSTRACT

As the global population grows and climate change intensifies, sustainable food production is critical. Marine aquaculture offers a viable solution, providing a sustainable protein source. However, the industry's expansion requires novel technologies for remote management and autonomous operations. Digital twin technology can advance the aquaculture industry, but its adoption has been limited. Fish net cages, which are flexible floating structures, are critical yet vulnerable components of aquaculture farms. Exposed to harsh and dynamic marine environments, the cages experience significant loads and risk damage, leading to fish escapes, environmental impacts, and financial losses. We propose a multifidelity surrogate modeling framework for integration into a digital twin for real-time monitoring of aquaculture net cage structural dynamics under stochastic marine conditions. Central to this framework is the nonlinear autoregressive Gaussian process method, which learns complex, nonlinear cross-correlations between models of varying fidelity. It combines low-fidelity simulation data with a small set of high-fidelity field sensor measurements, which offer the real dynamics but are costly and spatially sparse. Validated at the SINTEF ACE fish farm in Norway, our digital twin receives online metocean data and accurately predicts net cage displacements and mooring line loads, aligning closely with field measurements. The proposed framework is beneficial where application-specific data are scarce, offering rapid predictions and real-time system representation. The developed digital twin prevents potential damages by assessing structural integrity and facilitates remote operations with unmanned underwater vehicles. Our work also compares GP and GCNs for predicting net cage deformation, highlighting the latter's effectiveness in complex structural applications.

研究の動機と目的

• 過酷な海洋環境下での洋上養殖ネットケージのリアルタイム監視と自律運用ニーズを動機づける。
• 低忠実度のシミュレーションと希少な高忠実度現場データを融合する多忠実度代理モデリングフレームワークを提案する。
• 本規模の養魚場でデジタルツインを実装・検証し、ケージの変位と係留荷重を予測する。
• 非線形自己回帰ガウス過程（NARGP）が実時間予測のために忠実度レベルを効率的に融合できるか評価する。

提案手法

• NARGPを用いて低忠実度シミュレーションと高忠実度センサデータ間の非線形クロス相関を学習する。
• FhSimシミュレーションから低忠実度サロゲートを訓練し、流れが係留荷重とケージ変位へどう写像するかを学習する。
• GPモデリングのためにネットケージ変形出力を削減するためにPCAを適用し、その後完全な変形を再構成する。
• リアルタイムのmetocean入力を用いた再帰的な多忠実度フレームワークで低忠実度と高忠実度GPモデルを融合する。
• PCA前処理を施したガウス過程サロゲートとGCNsによるネットケージトポロジー予測を比較する。
• オンザフライのデジタルツイン運用を可能にする計算効率を評価する。

実験結果

リサーチクエスチョン

• RQ1 確率的なmetocean条件の下で、多忠実度サロゲートフレームワークはネットケージの変位と係留荷重を正確に予測できるか？
• RQ2 複雑なネットケージ変形トポロジーを予測する際、GCNsはGPベースのサロゲートより有利なのか？
• RQ3 高忠実度データが限られ、低忠実度シミュレーションが豊富な状況でリアルタイムデジタルツインの性能は実現可能か？
• RQ4 実規模の養殖設定におけるmetoceanデータの統合は、サロゲートベースの予測をどのように改善するか？

主な発見

• 多忠実度GPモデルは低忠実度モデルに比べて係留ライン荷重予測を著しく改善する。
• 多忠実度フレームワークは未知の現場測定値と係留荷重の予測を密接に一致させる。
• ネットケージ変位について、多忠実度アプローチは時間とともにセンサーデータと一致する点で低忠実度GPを上回る。
• GCNsはネットケージの複雑なトポロジーを効果的に処理し、GPベースのサロゲートと比較して変位予測で競争力を示す。
• このワークフローはリアルタイム監視を可能にし、センサー設置・保守の削減と遠隔自律運用を支援する。