SPRAI: Seakeeping prediction using artificial intelligence

• Autores: Pablo Romero Tello, José Enrique Gutiérrez Romero, Borja Serván Camas, Antonio José Lorente López
• Localización: Ingeniería naval, ISSN 0020-1073, Nº. 1036, 2024, págs. 508-521
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    En este trabajo se presenta la herramienta SPRAI, que utiliza Redes Neuronales Artificiales (RNA) para estimar el comportamiento del buque en la mar a una velocidad dada. Esta se basa en el cálculo de los Operadores de Respuesta en Amplitud (RAO) del buque. Se desarrolla una metodología para seleccionar la mejor arquitectura de RNA, generar la base de datos requerida para el entrenamiento y procesar los datos para facilitar la predicción de los objetivos. Para generar esta base de datos, se emplea un código personalizado en 3D que resuelve el problema de difracción-radiación de olas mediante el Método de Elementos de Frontera (BEM) para distintas direcciones de ola y un rango de números de Froude.

    Para evaluar la herramienta desarrollada, se comparan las predicciones de SPRAI con los resultados del BEM usando seis buques que no forman parte de la base de datos de entrenamiento. Los resultados muestran desviaciones inferiores al 3% respecto al BEM para las curvas de RAO. Estas curvas de RAO presentan un alto grado de ajuste con los resultados del BEM para diferentes frecuencias de encuentro. Además, los tiempos de cálculo de la herramienta SPRAI son 3.750 veces más rápidos que los cálculos del BEM.

  • English

    This paper presents the SPRAI tool, which uses Artificial Neural Networks (ANN) to predict the ship's seakeeping behaviour at a given speed. It is based on the calculation of the ship's Response Amplitude Operators (RAO). A methodology is developed to select the best ANN architecture, generate the required training database and process the data to facilitate the prediction of the targets. To generate this database, a custom 3D code is used to solve the wave diffractionradiation problem using the Boundary Element Method (BEM) for different wave directions and a range of Froude numbers.

    To evaluate the developed tool, SPRAI predictions are compared with BEM results using six vessels that are not part of the training database. The results show deviations of less than 3% from the BEM for the RAO curves. These RAO curves show a high degree of agreement with the BEM results for different encounter frequencies. In addition, the calculation times of the SPRAI tool are 3,750 times faster than the BEM calculations.