Investigación de la capacidad de maniobra de embarcaciones en aguas poco profundas mediante la aplicación de redes neuronales
Centro de Tecnología Marina e Ingeniería Oceánica (CENTEC), Instituto Superior Técnico, Universidade de Lisboa, 1049-001 Lisboa, Portugal
*
Author to whom correspondence should be addressed.
J. Mar. Sci. Eng. 2024, 12(9), 1664; https://doi.org/10.3390/jmse12091664
Presentación recibida: 14 de agosto de 2024 / Revisado: 9 de septiembre de 2024 / Accepted: 13 September 2024 / Publicado: 17 de septiembre de 2024
(Este artículo pertenece al Número Especial Modelos y Simulaciones de Maniobras de Buques )
Investigación de la capacidad de maniobra de embarcaciones en aguas poco profundas mediante la aplicación de redes neuronales
Centro de Tecnología Marina e Ingeniería Oceánica (CENTEC), Instituto Superior Técnico, Universidade de Lisboa, 1049-001 Lisboa, Portugal
*
Author to whom correspondence should be addressed.
J. Mar. Sci. Eng. 2024, 12(9), 1664; https://doi.org/10.3390/jmse12091664
Presentación recibida: 14 de agosto de 2024 / Revisado: 9 de septiembre de 2024 / Accepted: 13 September 2024 / Publicado: 17 de septiembre de 2024
(Este artículo pertenece al Número Especial Modelos y Simulaciones de Maniobras de Buques )
Abstracto
Se aplica un conjunto de experimentos de mecanismo de movimiento planar del modelo de contenedor Post-Panamax del caso de prueba de Duisburg ejecutado en un tanque de remolque con poca profundidad para entrenar una red neuronal para analizar la capacidad del modelo propuesto para aprender los efectos de diferentes condiciones de profundidad en las capacidades de maniobra del barco. La motivación del trabajo presentado en este documento es contribuir con un enfoque alternativo y efectivo para modelar sistemas no lineales a través de redes neuronales artificiales que abordan la simulación de maniobras de barcos en aguas poco profundas. El sistema se desarrolla utilizando el algoritmo de entrenamiento de retropropagación Levenberg-Marquardt y el esquema de retropropagación resiliente para demostrar la correlación entre las fuerzas del barco y las respectivas trayectorias y velocidades. Se realizaron análisis de sensibilidad para identificar el número de capas necesarias para que el modelo propuesto prediga las características de maniobra del barco en dos profundidades diferentes. Los resultados logrados con el sistema propuesto han demostrado una excelente precisión y capacidad para predecir las maniobras del barco con diferentes profundidades de aguas poco profundas.
1. Introducción
1.1 Estado del arte
In recent years, the tendency toward increasing vessel size has suggested a need to devote attention to the manoeuvring behaviour of ships operating in shallow waters. Because of this scale growth among these ships, the global ease of access to ports is becoming more complicated. To bring down infrastructural and functioning costs for the port’s conversion, understanding vessel performance in restricted waters helps in designing practical access. Ship manoeuvrability is greatly influenced by the seabed, ground-bounding waters, and moving vessels. Regarding shallow depths, crucial adjustments on the effect of vessel manoeuvring kinetics have been included in the literature, highlighting that, in restricted conditions, (1) the distance travelled by a vessel’s centre of gravity in a course perpendicular to its initial direction when it has altered its course 180° and it is on a reciprocal heading (tactical diameter) may increase mainly because of hull damping effects; (ii) as the vessel resistance increases, the manoeuvring capability decreases, and (iii) the variations in the pressure distribution on the hull can result in greater hydrodynamic forces [1].
El capitán y los oficiales de cubierta, que velan por la seguridad de la tripulación, la carga, los pasajeros y el buque en el mar y en el puerto, pueden tener un conocimiento completo de las capacidades de la operación en aguas poco profundas y, por lo tanto, pueden tomar las decisiones correctas sobre el manejo del buque. Aunque se proporcionan datos de maniobra de los buques para condiciones de aguas profundas, generalmente se obtienen mediante pruebas a escala real o experimentos con modelos a escala. La evaluación del rendimiento de maniobra del buque se guía por la implementación práctica de las Normas de maniobrabilidad de los buques (resolución MSC.137(76)) establecidas por la Organización Marítima Internacional (OMI) [ 2 ]. Estas normas se aplican a las condiciones de aguas profundas, y la OMI recomienda que los ensayos se realicen preferiblemente en aguas profundas sin restricciones y que la distancia del agua desde la superficie hasta el fondo supere en cuatro veces el calado medio del buque. En consecuencia, con esta recomendación, estos ensayos no son confiables para proporcionar una comprensión precisa de las maniobras del buque en aguas poco profundas porque su comportamiento difiere considerablemente de cuando navega en alta mar. Como resultado, es esencial una predicción precisa del comportamiento operativo de maniobra del buque en aguas poco profundas. El enfoque formulado y presentado en este artículo se basa en un sistema de red neuronal entrenado con información obtenida durante un conjunto de experimentos de mecanismo de movimiento planar (PMM) con un modelo de barco ejecutado en un tanque de remolque.
Existen numerosos estudios y enfoques para pronosticar la maniobrabilidad de los buques a diferentes profundidades; por ejemplo, las características de gobierno del Esso Osaka se exploraron ampliamente mediante la realización de una serie de pruebas de modelos y experimentos a escala real en el Comité de Maniobras de la 21.ª ITTC [ 3 ]. Se informó que varios efectos aumentan en poca profundidad, como la influencia de la hélice en la fuerza de balanceo y el momento de guiñada.
En el contexto del proyecto de investigación europeo SHOPERA [ 4 ], se han realizado experimentos de maniobras en aguas profundas y poco profundas en diferentes estados del mar para el petrolero KVLCC2 y el buque portacontenedores Duisburg Test Case (DTC) [ 5 , 6 ]. Los datos de referencia para maniobras en aguas poco profundas del modelo de buque DTC se proporcionaron en la Quinta Conferencia Internacional sobre Maniobras de Buques en Aguas Poco Profundas y Confinadas (MASHCON) para su validación y verificación [ 7 ]. En [ 8 ], se realizaron simulaciones de maniobras de timón estándar con el buque portacontenedores KRISO (KCS) navegando a varias profundidades, empleando un modelo basado en la formulación de Abkowitz. Los coeficientes hidrodinámicos se determinaron a través de pruebas PMM virtuales estáticas y dinámicas realizadas utilizando el programa informático Neptuno de Navier-Stokes (RANS) promediado por Reynolds creado por los autores. La influencia de la propulsión se representó con un modelo de fuerza corporal.
Los datos obtenidos en los experimentos de maniobra en alta mar cumplen completamente con las instrucciones de la OMI, pero para los buques que navegan lentamente en aguas poco profundas, se encontraron distancias considerablemente mayores medidas en la maniobra de círculo táctico y sobreimpulsos y ángulos de deriva significativamente menores, como se esperaba. Los datos de prueba PMM obtenidos en un tanque de remolque se han utilizado para evaluar el rendimiento de generalización de los modelos numéricos, como en el trabajo presentado en [ 9 , 10 ]. Un análisis de incertidumbre de los coeficientes hidrodinámicos identificados de un modelo de maniobra no lineal se presenta en [ 9 ]. Los coeficientes hidrodinámicos adimensionales se obtuvieron empleando el método de mínimos cuadrados, descomposición en valores singulares truncados y regularización de Tikhonov con datos de prueba PMM. En [ 10 ], los autores presentan una versión diferente de una máquina de vectores de soporte de mínimos cuadrados (LS-SVM), la LS-SVM truncada, para estimar coeficientes hidrodinámicos no dimensionalizados, también utilizando datos de prueba PMM. En [ 11 ] se presenta un trabajo reciente que utiliza el modelo de casco KCS con un timón estático y una hélice basada en un modelo de fuerza corporal, donde se estudian y comparan las respectivas capacidades de maniobra tanto en aguas abiertas como restringidas.
In [12], the predicting technique of manoeuvring vessel dynamics in shallow depth was explored based on the well-known mathematical manoeuvring group (MMG) model. Through that study, the following conclusions were obtained: The MMG model may be applied for manoeuvring motion prediction in shallow depths; the predicted ship motions agreed fairly well with the observed motions in each water depth; and it is possible to easily predict sinkage and trim in shallow depths using simple forms. In [13], a numerical analysis of vessel dynamics in shallow water was carried out, making use of a commercial unsteady RANS solver. Primarily, the qualities of low-depth waves were examined by performing a set of simulations, and afterwards, a full-scale model of a tanker was employed as a specific instance to forecast its pitch and heave behaviour when subjected to head waves at different depths, embracing a variety of wave frequencies at zero speed. The achieved outcomes have demonstrated that shallow depths have a considerable impact on vertical motions.
Teniendo en cuenta las diferencias entre mares interiores y mares abiertos, parece elegible un sistema particular de métodos de evaluación de maniobrabilidad para buques interiores, que se ha sugerido que difieren en maniobras de prueba y estándares [ 14 ]. La evaluación del comportamiento operativo de maniobra de un buque se ha tratado utilizando enfoques que implican la resolución de modelos matemáticos simplificados u obtener el conjunto completo de coeficientes hidrodinámicos a partir de pruebas, dinámica de fluidos computacional (CFD) o teoría potencial [ 15 , 16 , 17 ]. La confiabilidad de las formulaciones simplificadas depende en gran medida de la efectividad de los coeficientes hidrodinámicos, los datos experimentales son muy costosos y es un desafío equipar un modelo de barco y organizar las instalaciones necesarias para este propósito. Además, la obtención de coeficientes hidrodinámicos a través de CFD es computacionalmente costosa.
La motivación de este trabajo es reportar un enfoque alternativo y efectivo para modelar sistemas no lineales a través de redes neuronales artificiales (RNA) que aborden la simulación de maniobras de barcos y, en este caso específico, en aguas poco profundas. Las redes neuronales se han empleado para simular el comportamiento de maniobras [ 18 ]. El desarrollo de la capacidad de procesamiento de las computadoras permite la ejecución de algoritmos complejos en sistemas avanzados de soporte de decisiones en navegación marítima [ 19 ]. Estos sistemas deben incorporar funciones como proporcionar soluciones para operaciones de maniobra de barcos y situaciones de navegación.
https://www.mdpi.com/2077-1312/12/9/1664