[논문 리뷰] Multifidelity digital twin for real-time monitoring of structural dynamics in aquaculture net cages

Eirini Katsidoniotaki, Biao Su외 2명|arXiv (Cornell University)|2024. 06. 06.

Water Quality Monitoring Technologies인용 수 5

한 줄 요약

이 논문은 실시간 양식 모니터링을 위한 디지털 트윈을 구축하기 위해 비선형 자기회귀 가우시안 프로세스(NARGP)를 이용한 다충실도 대체 모형 프레임워크를 개발하고, 전체 규모의 SINTEF ACE 양식장에서 검증하며 GP-PCA 대체 모형과 그래프 컨볼루션 네트워크(GCNs)를 비교한다.

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.

연구 동기 및 목표

• 해양 harsh 환경에서 해양 양식 네트 케이지의 실시간 모니터링 및 자율 운영 필요성에 대해 동기 부여.
• 저충실도 시뮬레이션과 드문 고충실도 현장 데이터를 융합하는 다충실도 대체 모형 프레임워크를 제안.
• cage 변위와 계류 하중을 예측하기 위해 전체 규모 어류 양식장에서 디지털 트윈을 구현하고 검증.
• 비선형 자기회귀 가우스 과정(NARGP)이 실시간 예측을 위해 충실도 수준을 효율적으로 융합할 수 있는지 평가.

제안 방법

• NARGP를 사용하여 저충실도 시뮬레이션과 고충실도 센서 데이터 간의 비선형 교차상관을 학습한다.
• 저충실도 대체 모형을 FhSim 시뮬레이션에서 현재 흐름을 계류 하중 및 케이지 변위로 매핑하도록 훈련한다.
• GP 모델링을 위한 net-cage 변형 출력을 차원 축소하기 위해 PCA를 적용한 후 전체 변형을 재구성한다.
• 실시간 메토오션 입력과 함께 저충실도 및 고충실도 GP 모델을 재귀적 다충실도 프레임워크로 융합한다.
• GP 대체 모형에 대해 PCA 전처리를 적용한 대 GP 대체 모형과 그래프 컨볼루션 네트워크(GCNs)를 비교하여 net-cage 토폴로지 예측을 수행한다.
• 실시간 디지털 트윈 작동을 가능하게 하는 계산 효율성을 평가한다.

실험 결과

연구 질문

• RQ1 다충실도 대체 프레임워크가 확률적 메토오션 조건에서 net cage 변위 및 계류 하중을 정확하게 예측할 수 있는가?
• RQ2 GCN이 GP 기반 대체 모형보다 복잡한 net-cage 변형 토폴로지를 예측하는 데 이점을 제공하는가?
• RQ3 제한된 고충실도 데이터와 풍부한 저충실도 시뮬레이션으로 실시간 디지털 트윈 성능이 가능하한가?
• RQ4 메토오션 데이터의 통합이 전체 규모 양식 환경에서 대체 모형 기반 예측을 어떻게 향상시키는가?

주요 결과

• 다충실도 GP 모델은 저충실도 모델에 비해 계류 하중 예측을 크게 향상시킨다.
• 다충실도 프레임워크는 미확인 현장 측정치와 계류 하중에 대해 예측이 잘 일치한다.
• net cage 변위의 경우 다충실도 접근법이 시간에 따라 센서 데이터와의 일치를 개선한다.
• GCNs는 net cages의 복잡한 토폴로지를 효과적으로 처리할 수 있으며 GP 기반 대체 모형에 비해 변형 예측이 경쟁력 있다.
• 이 워크플로우는 실시간 모니터링을 가능하게 하고 센서 배치 및 유지보수를 줄인 상태에서 원격 자율 작동을 지원한다.