2025A-OS2-5 力・モーメント統合による出力制約を考慮したMMG–FNNハイブリッド船舶操縦モデルの提案

抄録

自動運航の高度化に伴い、船舶の操縦運動を高精度かつ高解釈性で予測可能な操縦モデルが求められる。本研究は、Maneuvering Modeling Group(MMG)モデルのモジュール構造に、Feedfoward Neural Network(FNN)による補完項を追加するハイブリッドモデルを提案する。提案モデルは出力制約とk-Nearest Neighbor(kNN)距離に基づく分布外入力検出でFNNの訓練データ依存を抑制し、MMGモデルの物理的意味付けを維持しつつ、FNNが不足分を学習的に補う設計である。模型試験データによる検証では、MMG単独モデル比で平均30〜40％、Turning試験やRandom操船等の操縦運動で最大70％のRMSE低減を達成した。