船舶特性推断装置以及自动操舵装置的制作方法

本发明涉及对船舶的特性进行推断的船舶特性推断装置、以及具有船舶特性推断装置的自动操舵装置。

背景技术：

以往以来，进行了用于准确地掌握船舶的状态(随着时间变化的船舶的特性)的各种尝试。例如，在专利文献1中，公开了一种能够基于通过安装于船舶的各种传感器检测出的运行信息(船舶的主机的温度、压力、转速等)来对船舶的状态进行诊断的系统。

现有技术文献

专利文献

专利文献1：日本特开2002－316692号公报

技术实现要素：

发明所要解决的课题

然而，在掌握船舶的状态时，掌握给船舶的对水速度(船舶相对于水的速度)带来影响的参数的值、和与各值对应的船舶的实际对水速度之间的关系是非常重要的。通过掌握该关系性，例如作为一个例子，能够更准确地建立船舶的航行计划。但是，在上述专利文献中，未对这一点进行任何记载。

例如，作为给船舶的对水速度带来影响的参数，可列举船舶的螺旋桨的转速、以及针对船舶的风力。而且，在某一船舶中，若要掌握螺旋桨的转速和该转速所引起的船舶的对水速度之间的关系性，则需要在将给船舶的对水速度带来影响的其他参数(风力等)保持为恒定的状态下进行实验，非常费事。这在掌握针对船舶的风力和该风力所引起的船舶的对水速度之间的关系性的情况下也是同样的。

本发明为了解决上述课题而完成，其目的在于容易地掌握给船舶的对水速度带来影响的参数的值、与该参数所引起的船舶的对水速度之间的关系性。

用于解决课题的手段

(1)为了解决上述课题，该发明的某一方面的船舶特性推断装置具备：数据输出部，输出多个参数数据，该多个参数数据分别包含作为表示船舶的螺旋桨的转速的数据的转速数据、以及作为表示可能作用于该船舶的风力的风速矢量的数据的风速矢量数据；以及推断器，接收从所述数据输出部输出的所述多个参数数据，并且将各所述参数数据所对应的值推断为所述船舶的对水速度矢量，并将该对水速度矢量作为第1输出值而输出，所述多个参数数据的各自所包含的所述转速数据所表示的转速彼此相同，所述多个参数数据的各自所包含的所述风速矢量数据所表示的风速矢量互不相同，各所述第1输出值被推断为所述船舶以所述转速数据所表示的所述转速航行时的该船舶的对水速度矢量并被输出。

(2)为了解决上述课题，该发明的某一方面的船舶特性推断装置具备：数据输出部，输出多个参数数据，该多个参数数据分别包含作为表示船舶的螺旋桨的转速的数据的转速数据、以及作为表示可能作用于该船舶的风力的风速矢量的数据的风速矢量数据；以及推断器，接收从所述数据输出部输出的所述多个参数数据，并且将各所述参数数据所对应的值推断为所述船舶的对水速度矢量，并将该对水速度矢量作为第1输出值而输出，所述多个参数数据的各自所包含的所述转速数据所表示的转速互不相同，所述多个参数数据的各自所包含的所述风速矢量数据所表示的风速矢量彼此相同，各所述第1输出值被推断为所述风速矢量数据所表示的所述风速矢量作用于所述船舶时的该船舶的对水速度矢量并被输出。

(3)优选的是，所述推断器使用神经网络而构成，并具有分别被输入所述转速数据以及所述风速矢量数据中的一方的至少两个输入机构、以及输出所述第1输出值的输出机构，在对从所述神经网络中的输入侧的机构输出的值乘以结合系数之后，传送到输出侧的机构。

(4)更优选的是，所述船舶特性推断装置还具备：对地速度计算部，计算在海上航行的所述船舶的对地速度矢量；螺旋桨转速检测部，检测所述螺旋桨的转速；以及风速风向计，安装于所述船舶，并测量针对该船舶的风力的风速矢量，各所述输入机构被输入所述螺旋桨转速检测部检测出的所述螺旋桨的转速、以及所述风速风向计测量出的所述风速矢量中的一方，从所述输出机构中，将由所述螺旋桨转速检测部检测出的所述螺旋桨的转速、以及所述风速风向计测量出的所述风速矢量的组合确定的各条件所对应的值推断为该船舶的对水速度矢量，并作为第2输出值而输出，所述船舶特性推断装置还具备更新部，该更新部对所述第2输出值和由所述对地速度计算部计算出的作为教师信号的所述对地速度矢量进行比较，并且更新所述结合系数以使该第2输出值与该教师信号之间的误差变少。

(5)优选的是，所述推断器具有存储部，该存储部包含多个单元部，该多个单元部将由所述船舶的螺旋桨的转速以及针对该船舶的风力的风速矢量的组合确定的各条件下的所述船舶的对地速度矢量，按照多个所述条件的每一个进行存储，所述推断器将所述对地速度矢量的平均值作为所述第1输出值而输出，该对地速度矢量存储于由接收到的各所述参数数据所包含的所述转速数据以及所述风速矢量数据的组合所对应的所述条件确定的所述单元部中。

(6)更优选的是，所述船舶特性推断装置还具备：对地速度计算部，计算在海上航行的所述船舶的对地速度矢量；螺旋桨转速检测部，检测所述螺旋桨的转速；以及风速风向计，安装于所述船舶，并测量针对该船舶的风力的风速矢量，所述存储部还具备更新部，该更新部使所述对地速度计算部计算出的所述对地速度矢量，存储于在取得该对地速度矢量的计算所需的数据时由所述螺旋桨转速检测部检测出的所述转速、以及所述风速风向计测量出的所述风速矢量的组合确定的所述单元部。

(7)优选的是，所述船舶特性推断装置还具备显示部，该显示部基于从所述推断器输出的所述第1输出值，对预测为在规定时间后所述船舶所在的范围进行显示。

(8)为了解决所述课题，该发明的某一方面的自动操舵装置具备：GNSS信号接收部，安装于船舶，并接收GNSS信号；以及控制部，基于根据所述GNSS信号接收部接收的GNSS信号计算出的所述船舶的位置信息，控制该船舶的舵，其特征在于，所述自动操舵装置还具备上述的任一船舶特性推断装置，所述控制部也基于从所述船舶特性推断装置的推断器输出的所述第1输出值，对所述船舶的舵进行控制。

发明效果

根据本发明，能够容易地掌握给船舶的对水速度带来影响的参数的值、与该参数所引起的船舶的对水速度之间的关系性。

附图说明

图1是表示本发明的实施方式的推断装置的构成的框图。

图2是表示图1所示的推断器的构成的一个例子的示意图。

图3是表示对地速度、对水速度、以及表层流速度的关系的矢量图。

图4是用于说明来自图1所示的推断器的第2输出值收敛为对水速度的理由的图。

图5是用于对从图1所示的数据输出部输出的各参数数据、与推断器基于各参数数据推断的各对水速度的对应关系进行说明的图。

图6是用于说明通过图1所示的图像生成部生成的风力特性图的生成过程的图。

图7是表示通过图像生成部生成的风力特性图的一个例子的图。

图8是表示变形例的推断装置的构成的框图。

图9是表示变形例的推断装置的构成的框图。

图10是表示变形例的推断装置的构成的框图。

图11是用于详细地说明图10所示的推断器的图。

图12是表示变形例的推断装置的构成的框图。

图13是表示变形例的推断装置的构成的框图。

图14是表示图13所示的学习系数设定处理部的构成的框图。

图15是示意地表示存储于图14所示的存储部的表、以及对应于该表的各单元而存储的自组织映射的图。

图16是表示变形例的推断装置的学习系数设定处理部的构成的框图。

图17是表示存储于图16所示的存储部的表、以及对应于该表的各单元(各区域)而存储的学习数据的图。

图18是表示变形例的推断装置的构成的框图。

图19是表示由图18所示的图像生成部生成的风力特性图的一个例子的图，并且是用于说明学习进展指标的导出过程的图。

图20是表示自动操舵装置的构成的框图。

图21是表示变形例的推断装置的构成的框图。

图22是用于对从图21所示的数据输出部输出的各参数数据、与推断器基于各参数数据推断的各对水速度的大小的对应关系进行说明的图。

图23是表示通过图像生成部生成的主机特性图的一个例子的图。

图24是表示变形例的推断装置的构成的框图。

图25是表示显示于显示部的旋转速度计的一个例子的图。

图26是表示变形例的推断装置的构成的框图。

图27是表示由图像生成部生成的主机特性图的一个例子的图，并且是用于对学习进展指标进行说明的图。

图28是表示由变形例的推断装置的显示部显示的、规定时间后的本船位置的地图的一个例子。

图29是用于对学习数据的补充进行说明的示意图。

具体实施方式

图1是表示本发明的实施方式的推断装置1的构成的框图。推断装置1安装于在海上航行的本船(船舶)。

如图1所示，推断装置1具备表层流推断部8和风力特性推断部9(船舶特性推断装置)。表层流推断部8构成为，对本船位置处的表层流的朝向以及大小、即本船位置处的表层流的速度矢量进行推断。另一方面，风力特性推断部9构成为对本船的风力特性进行推断。以下，依次说明表层流推断部8的构成以及风力特性推断部9的构成。此外，表层流指的是从海面至本船的船底的范围程度的深度范围的流动。另外，风力特性是表示根据针对本船的风力的方位以及大小、船在静水中移动的速度如何变化的特性。

[表层流推断部的构成]

在表层流推断部8中，在每个规定的定时自动地求出规定的参数(在本实施方式中是本船的螺旋桨的转速、船头方向真风速、以及右舷方向真风速)，并且按照每个由各参数的值的组合所确定的条件，计算本船位置的表层流速度(表层流速度矢量)。表层流推断部8具备GPS信号接收部2、螺旋桨转速检测部3、风向风速计4、构成运算部10的构成要素的一部分(具体而言，是对地速度计算部11、推断器12、表层流计算部13、以及结合系数更新部14)、以及显示部5。

GPS信号接收部2作为GNSS信号接收部而设置，其用于接收从导航卫星(省略图示)发送的作为导航信号(GNSS信号)的GPS信号。GPS信号接收部2例如由GPS天线构成。由GPS信号接收部2接收的GPS信号(即，本船的位置信息)与该GPS信号被接收的时刻一起被通知给运算部10。

此外，在本实施方式中，作为GNSS信号接收部使用了GPS信号接收部2，但并不局限于此，也可以使用在其他GNSS系统中使用的接收部。这里，GNSS是全球导航卫星系统(GNSS：Global Navigation Satellite Systems)的缩写。该GNSS是由美国运营的“GPS”、由欧州运营的“GALILEO”以及由俄罗斯运营的“GLONASS”等的总称。

螺旋桨转速检测部3用于对用于产生本船的推力的螺旋桨的每单位时间的旋转次数进行检测，例如由能够检测转速的传感器构成。由螺旋桨转速检测部3检测出的转速被通知给运算部10。

风向风速计4用于对船头方向真风速以及右舷方向真风速进行测量，来作为关于风向以及风速的信息。风向风速计4设置于本实施方式的表层流推断部8所安装的本船中的、周围不存在遮挡风的障碍物的位置。由风向风速计4测量的船头方向真风速以及右舷方向真风速被通知给运算部10。

运算部10构成为基于从GPS信号接收部2、螺旋桨转速检测部3、以及风向风速计4通知的各种信息，在每个规定的定时对本船位置(对象地点)处的表层流进行推断。运算部10具备对地速度计算部11、推断器12、表层流计算部13、以及结合系数更新部14。此外，运算部10构成为基于从数据输出部6输出的参数对风力特性进行推断，之后详细叙述。

对地速度计算部11基于从GPS信号接收部2通知的本船的位置信息、以及取得该本船位置信息的时刻，计算本船的对地速度(对地速度矢量)。具体而言，对地速度计算部11基于至少两个定时的本船位置、以及取得各本船位置的位置信息的时刻，计算本船的对地速度。对地速度计算部11将如此计算出的对地速度通知给表层流计算部13以及结合系数更新部14。

推断器12构成为对本船的对水速度进行推断。在本实施方式中，推断器12被输入由螺旋桨转速检测部3检测出的本船的螺旋桨的转速、以及由风向风速计测量出的船头方向真风速以及右舷方向真风速。推断器12将由这些输入值的组合所确定的条件(由某一转速、某一船头方向真风速、以及某一右舷方向真风速的组合所确定的条件)所对应的值作为对水速度(对水速度矢量，在本实施方式中是船头方向对水速度以及右舷方向对水速度)输出到表层流计算部13。此外，虽然之后详细叙述，推断器12也被输入从数据输出部6输出的参数数据，推断器12将与它们对应的值作为对水速度输出到图像生成部15。

图2是示意地表示推断器12的构成的一个例子的图。在本实施方式中，推断器12使用一般公知的神经网络而构成。具体而言，推断器12具备构成输入层的多个输入机构U_IN＿1、U_IN＿2、U_IN＿3、构成隐藏层的多个中间机构U_MID＿1、U_MID＿2、U_MID＿3、以及构成输出层的输出机构U_OUT＿1、U_OUT＿2。此外，图2所示的推断器12的构成只是一个例子，关于各层中的机构数、隐藏层的层数，不只是图2所示的情况。

在推断器12中，若各输入机构U_IN＿1、U_IN＿2、U_IN＿3被输入各输入值(螺旋桨的转速等)，则对这些输入值乘以结合系数W_I，M，并输出到隐藏层的中间机构U_MID＿1、U_MID＿2、U_MID＿3。隐藏层的各中间机构U_MID＿1、U_MID＿2、U_MID＿3将输入的各值相加，对基于该相加值的值乘以结合系数W_M，O并输出到输出机构U_OUT＿1、U_OUT＿2。输出机构U_OUT＿1、U_OUT＿2将输入的各值相加，将基于该相加值的值作为第2输出值输出到表层流计算部13以及结合系数更新部14。此外，输入到上述推断器12的值并非必须是螺旋桨转速等参数的值自身，也可以是处于与这些参数一对一的关系的数值(例如作为一个例子，是与转速成比例地变化的电压值)等。

在推断器12中，在初始状态下，对各结合系数W设定了适当的初始值。然后，各结合系数W通过结合系数更新部14随时进行更新。具体而言，各结合系数W通过结合系数更新部14更新，以使从推断器12输出的第2输出值和由对地速度计算部11计算出的对地速度(教师信号)之间的误差变少。由此，从推断器12输出的第2输出值在每次结合系数W被更新时向本船的对水速度收敛，之后详细叙述。

表层流计算部13基于作为从推断器12输出的对水速度的第2输出值、以及由对地速度计算部11计算出的对地速度，计算出作为表层流的速度的表层流速度(表层流速度矢量)。具体而言，表层流计算部13从对地速度中减去对水速度，由此计算出表层流速度。

图3是表示对地速度矢量V_G、对水速度矢量V_W、以及表层流速度矢量V_T之间的关系的矢量图。对地速度V_G是相对于地表的速度，对水速度V_W是相对于水面(海面)的速度。另外，表层流是海的表层的部分的水的流动。由此，对地速度矢量V_G、对水速度矢量V_W、以及表层流速度矢量V_T的关系能够如图3所示那样表示。由此，表层流计算部13通过如上述那样从对地速度V_G中减去对水速度V_W，由此计算表层流速度V_T。

结合系数更新部14对推断器12的结合系数W进行更新，以使从推断器12输出的第2输出值和由对地速度计算部11计算出的对地速度(教师信号)之间的误差变少。关于结合系数更新部14，例如作为一个例子，使用反向传播(误差逆传播法)对结合系数W进行更新。

在显示部5显示由表层流计算部13计算出的表层流的朝向以及大小。由此，用户能够知晓本船位置处的表层流的速度。

[关于从推断器输出的第2输出值]

图4是用于说明每当该推断器12的结合系数W被更新时，从推断器12输出的第2输出值向对水速度收敛的理由的图。如上述那样，存储于推断器12的各结合系数W通过结合系数更新部14进行更新，以使从推断器12随时输出的值和作为随时计算的教师信号的对地速度之间的误差变小。

表层流的大小以及朝向由于海域、时刻、气象条件等而不同。由此，认为在对水速度相同的情况下(即，螺旋桨的转速、船头方向真风速、以及右舷方向真风速相同的情况下)的对地速度中，包含所有大小以及朝向的表层流速度的成分。由此，若使它们平均化(若使图4的情况下的V_G1～V_G6平均化)，则表层流速度成分彼此相抵消，对水速度成分残留。即，若如上述那样，推断器12的结合系数W被以推断器12的第2输出值与对地速度之间的误差变小的方式进行更新，则对地速度所包含的表层流速度成分的影响逐渐变小，因此推断器12的第2输出值向对水速度收敛。因此，可充分获得学习数据(对地速度数据)，并能够在充分进入了学习的阶段(即，结合系数被更新了足够的次数的阶段)，将来自推断器12的第2输出值推断为对水速度。

在表层流推断部8中，在本船的航行中的每规定的定时，通过螺旋桨转速检测部3检测转速，并且通过风向风速计4测量船头方向真风速以及右舷方向真风速，这些信息随时被输出到推断器12。推断器12基于它们，使用在本船的航行中随时更新的结合系数W，生成上述第2输出值。

[风力特性推断部的构成]

风力特性推断部9具备GPS信号接收部2、螺旋桨转速检测部3、风向风速计4、数据输出部6、构成运算部10的构成要素的一部分(具体而言是对地速度计算部11、推断器12、结合系数更新部14、以及图像生成部15)、以及显示部5。GPS信号接收部2、螺旋桨转速检测部3、以及风向风速计4采用与上述表层流推断部8的情况相同的构成以及动作，因此省略其说明。

数据输出部6若接收作为用于使本船的风力特性导出的信号的指令信号S，则向推断器12依次输出多个参数数据Dn(n＝1，2，…)。各参数数据Dn中包含有表示螺旋桨的转速的数据即转速数据R₁、以及表示风速矢量的数据即风速矢量数据V_WDn(n＝1，2，…)。各参数数据Dn的转速数据R₁所表示的转速彼此相同，另一方面，各参数数据Dn的风速矢量数据V_WDn所表示的风速矢量互不相同。在本实施方式中，数据输出部6输出船头方向真风速以及右舷方向真风速作为风速矢量数据V_WDn。

此外，关于上述指令信号S，例如作为一个例子，通过由用户适当地操作设于推断装置1的操作面板(省略图示)，从而被发送到数据输出部6。此时，用户例如能够从操作面板输入所希望的转速R₁的值。

运算部10如上述那样，构成为基于从数据输出部6输出的参数数据Dn推断风力特性。此外，关于运算部10的对地速度计算部11以及结合系数更新部14，采用与上述表层流推断部8的情况相同的构成以及动作，因此省略其说明。

如上述那样，推断器12构成为对本船的对水速度进行推断。推断器12被输入从数据输出部6输出的参数数据Dn，将与它们对应的值推断为对水速度V_WTn(n＝1，2，…)(在本实施方式的情况下，是船头方向对水速度以及右舷方向对水速度)，并将该对水速度V_WTn作为第1输出值输出到图像生成部15。

另外，推断器12如上述那样，被输入多个参数数据Dn。而且，各参数数据Dn的转速数据R₁所表示的转速彼此相同，各参数数据Dn的风速矢量数据V_WDn所表示的风速矢量互不相同。由此，从推断器12将螺旋桨的转速恒定、并且不同大小的风力从不同的方位作用于本船的情况下的对水速度V_WTn作为第1输出值而输出。图5是用于说明从数据输出部6输出的各参数数据Dn、与推断器12基于各参数数据Dn推断的各对水速度V_WTn(第1输出值)之间的对应关系的图。

图6是用于说明通过图像生成部15生成的风力特性图的生成过程的图。具体而言，例如作为一个例子，图像生成部15将起点位置对齐的多个对水速度V_WTn(n＝1，2，…)中的、推断各对水速度V_WTn时使用的风速矢量V_WDn的大小彼此相同的多个对水速度V_WTn的终点彼此相连而生成闭合曲线(参照图6)。此外，在图6中，为了避免附图变得复杂，仅图示了风速矢量V_WDn的大小彼此相同的多个对水速度_WTn。

图7是表示通过图像生成部15生成的风力特性图的一个例子的图。根据图7所示的风力特性图可知，例如V_WD1[m/s]的风从右方向作用于本船的情况下的本船的对水速度矢量是V_WTA，因此本船的右舷方向对水速度为V_X1[m/s]、船头方向对水速度是V_Y1[m/s]。另外，可知V_WD2[m/s]的风从后方作用于本船的情况下的本船的对水速度矢量为V_WTB，因此本船的右舷方向对水速度为0[m/s]，船头方向对水速度为V_Y2[m/s]。另外，可知V_WD3[m/s]的风从左方向作用于本船的情况下的本船的对水速度矢量为V_WTC，因此本船的右舷方向对水速度为V_X1[m/s]，船头方向对水速度为V_Y1[m/s]。

即，根据该风力特性图能够容易地在视觉上得知本船的螺旋桨的转速恒定时，本船的对水速度受风的影响成为何种程度。

[效果]

如以上那样，在本实施方式的推断装置1的风力特性推断部9中，能够推断在本船以某一恒定的转速航行的情况下，该本船的对水速度在可能作用于该本船的风力下如何变化。

因此，根据风力特性推断部9，能够容易地掌握作为给本船的对水速度带来影响的参数的风速矢量、与该风速矢量所引起的本船的对水速度之间的关系性。

另外，在风力特性推断部9中，使用神经网络构成了推断器12。由此，能够适当地构成可输出对水速度的推断器12。

另外，在风力特性推断部9中，更新推断器12，以使推断器12的第2输出值和由对地速度计算部11计算出的对地速度之间的误差变少。由此，能够构成具备学习功能的推断器12。并且，在风力特性推断部9中，能够在航行中存储为了推断准确的对水速度所需的大量的数据。由此，能够省去预先准备这些大量的学习数据(某一条件时的对地速度的数据)、并且基于这些学习数据设定适当的结合系数的工时。

以上，说明了本发明的实施方式，但本发明并不限定于此，能够在不脱离本发明的主旨的范围内进行各种变更。

[变形例]

(1)图8是表示变形例的推断装置1a的构成的框图。本变形例的推断装置1a的运算部10a与上述实施方式的运算部10不同，采用了省略表层流计算部13的构成。即，本变形例的推断装置1a不具有作为表层流推断部8的功能，而是作为风力特性推断部9而设置。由此，根据本变形例的推断装置1a，与上述实施方式的情况不同，不能推断本船附近的表层流，但与上述实施方式的情况相同地能够推断本船的风力特性。

(2)图9是表示变形例的推断装置1b的构成的框图。本变形例的推断装置1b与图8所示的推断装置1a不同，采用了省略结合系数更新部14的构成。即，本变形例的推断装置1b不具有学习功能。另外，本变形例的推断装置1b采用了也省略GPS信号接收部2、对地速度计算部11、螺旋桨转速检测部3、以及风向风速计4的构成。

在本变形例的推断装置1b中，根据从基于预先取得的多个学习数据(某一条件时的对地速度的数据)而确定了结合系数W的推断器12中输出的对水速度，来生成风力特性图。即使是这样的构成，也与图8所示的推断装置1a的情况相同，能够容易地推断在本船以某一恒定的转速航行时，该本船的对水速度在可能作用于该本船的风力下如何变化。

(3)图10是表示变形例的推断装置1c的构成的框图。本变形例的推断装置1c与图8所示的推断装置1相比，推断器12c的构成大为不同。具体而言，推断器12c并非使用神经网络而构成，而是采用了具备存储部16以及更新部17的构成。

图11是用于详细地说明图10所示的推断器12c的图。

如图11所示，在存储部16中存储有矩阵状的表。在该表中存储有在由风速风向的各值(X1，X2，X3，…)以及转速的各值(R1，R2，R3，…)的组合所确定的各条件(对应于表的各单元部16a)时计算出的对地速度。在图11中，一个对地速度的值由一个圆圈表示。即，在存储部16中，例如存储有5个当风速风向的值为X1且转速的值为R1时计算出的对地速度的值。

若推断器12c被输入由螺旋桨转速检测部3检测出的转速(例如R2)和由风向风速计4测量的风向风速(例如X3)，则推断器12c计算作为转速为R2且风向风速为X3的单元部16a所包含的对地速度(图11的情况下为11个)的平均值。然后，推断器12c将该平均值作为输出值而输出。

如使用图4说明的那样，若使某一条件(通过某一转速以及某一风向风速的组合确定的条件)下的对地速度平均化，则对地速度所包含的表层流速度成分相互抵消，因此其平均值成为接近对水速度的值。因此，通过本变形例的推断器12c，也能够适当地推断对水速度。

更新部17使用在检测到向推断器12c输入的转速以及风向风速的定时所计算出的对地速度，来对存储于存储部16的表进行更新。具体而言，将在规定的转速(例如R3)时以及规定的风向风速(例如X2)时计算出的对地速度追加到由R3以及X2确定的单元部16a中。通过随时进行该动作，使得能够即使在航行中也存储学习数据，从而更准确地推断对水速度。即，本变形例的推断器12c也具有学习功能。其结果，能够更准确地导出风力特性。

此外，通过在本变形例中，采用省略更新部17的构成，由此能够构成不具有学习功能的推断装置1d(参照图12)。在该情况下，需要在存储部16中事先存储预先获得的多个学习数据(图11中的一个圆圈对应的数据)。

(4)图13是表示变形例的推断装置1e的构成的框图。本变形例的推断装置1e采用相对于图8所示的推断装置1a还设有学习系数设定处理部20的构成。

推断器12e与上述实施方式的情况相同，使用神经网络而构成，并且构成为通过所谓的监督式学习(Supervised learning)而随时更新结合系数。在推断装置1e中，计算来自该推断器12e的输出值与教师信号(对地速度)之间的误差。然后，推断装置1e将该误差作为学习信号从输出层侧的机构向输入层侧的机构传播，且更新结合系数W。按照如下的(1)式赋予结合系数的修正量。

[式1]

ΔW_i,j^n,n-1(t)＝ηδ_iⁿX_j^n-1+αΔW_i,j^n,n-1(t－1)…(1)

在式(1)中，ΔW_i,j^n,n-1(t)表示对于n－1层的机构j与n层的机构i之间的结合的权重的修正量，η表示学习系数，δ_iⁿ表示从第n层的机构i向n－1层的各机构返回的学习信号，X_j^n-1表示n－1层的机构j的输出值，α表示稳定化系数，ΔW_i,j^n,n-1(t－1)表示前次的修正量。此外，第n－1层的层是比第n层的层更向输入侧的层靠近一个的层。

图14是表示学习系数设定处理部20的构成的框图。学习系数设定处理部20用于随时设定式(1)中的学习系数。如图14所示，学习系数设定处理部20具有存储部21、SOM更新部22、计数部23、学习系数计算部24、以及学习系数设定部25。

图15是示意地表示存储于存储部21的表和与该表的各单元对应地存储的自组织映射SOM(Self-organizing Maps)的图。如图15所示，在存储部21中存储有按照每个规定的螺旋桨转速以及每个规定的风速风向切割成网格状的表。在该表的各单元中存储有对应的自组织映射SOM。本变形例的各自组织映射SOM是由n×n个的机构构成的二维SOM。在各机构中存储有与输入矢量同维的参照矢量。在初始状态(未进行学习的状态)下，在各机构中设定有适当的参照矢量。

SOM更新部22与输入矢量(由在每个规定的定时输入的螺旋桨的转速、风向风速、对地速度等构成的矢量)相应地更新SOM。具体而言，SOM更新部22如以下那样对包含输入的转速以及风向风速的单元中所存储的SOM进行更新。

具体而言，SOM更新部22将与输入矢量之间的欧几里得距离最近的机构作为获胜机构，基于接下来的(2)式，对存储于该获胜机构的参照矢量和存储于获胜机构的周围的机构的参照矢量进行更新。

[式2]

m_i(t+1)＝m_i(t)+h_i(t)[x(t)－m_i(t)]…(2)

其中，m_i是参照矢量，x(t)是输入矢量，h_i是c·exp(－dis²/α²)所表示的邻域函数(Neighborhood Function)。在邻域函数中，c是学习系数，dis＝|x－m_c|。这里，m_c是使与x(t)之间的欧几里得距离最小的参照矢量。

SOM更新部22通过随时输入的输入矢量，使用上述式(2)，随时更新自组织映射SOM。

计数部23对具有与输入矢量之差(欧几里得距离)为阈值以下的参照矢量的机构的数量进行计数。

学习系数计算部24获取由计数部23计数的值的倒数，将该值计算为学习系数。即，在计数值较多的情况下(类似的输入数据较多的情况下)，学习系数变小，在计数值较少的情况下(类似的输入数据较少的情况下)，学习系数变大。

学习系数设定部25将由学习系数计算部24计算出的值通知到推断器12e，并设定为(1)式中的学习系数η。推断器12e使用该学习系数η，在基于(1)式将结合系数更新之后，基于更新的结合系数计算对水速度矢量。

根据本变形例，在存储有多个类似的学习数据(输入矢量)的情况下，学习系数变小。在该情况下，根据上述式(1)可知，结合系数的修正量ΔW_i,j^n,n-1(t)变小。另一方面，在未存储有类似的学习数据、或者仅存储有较少的类似的学习数据的情况下，学习系数变大。在该情况下，根据式(1)可知，结合系数的修正量变大。由此，根据本变形例，能够抑制存储有多个类似的学习数据所引起的、来自推断器的输出值的偏倚。

(5)图16是表示变形例的推断装置的学习系数设定处理部26的构成的框图。本变形例的学习系数设定处理部26与上述变形例的学习系数设定处理部20的情况相同，用于设定在使用神经网络构成的推断器中使用的式(1)的学习系数η。但是，本变形例的学习系数设定处理部26的构成与上述变形例的学习系数设定处理部20不同。如图16所示，本变形例的学习系数设定处理部26具有存储部27、学习系数计算部28、以及学习系数设定部29。

图17是表示存储于存储部27的表、以及与该表的各单元(各区域)对应地存储的学习数据的图。如图17所示，存储部27与上述变形例的情况相同，存储有按照每个规定的螺旋桨转速以及每个规定的风速风向切割成网格状的表。在本变形例中，存储于各区域的学习数据对应于各学习数据的对地速度而映射。具体而言，如图17所示，在具有按照每个规定的船头方向对地速度、以及每个规定的右舷方向对地速度而切割成网格状的多个子区域的映射中，各学习数据与对地速度对应地被映射。

学习系数计算部28将下述的值归一化并设定为学习系数，上述的值是包含最近输入的学习数据的子区域所存储的学习数据的数量(在图17的情况下为4)除以在包含该子区域的区域中的全部子区域中、学习数据的数量最多的子区域所存储的学习数据的数量(在图17的情况下为子区域A的10)而得的值的倒数。然后，与上述变形例的学习系数设定部25相同，学习系数设定部29将在学习系数计算部28中设定的学习系数通知给推断器，设定为(1)式中的学习系数η。即使是这样的构成，也能够适当地设定学习系数。

(6)图18是表示变形例的推断装置1f的构成的框图。本变形例的推断装置1f相对于图8所示的推断装置1a，还设有学习进展指标导出部18。

图19是表示由图像生成部15生成的风力特性图的一个例子的图，并且是用于说明学习进展指标的导出过程的图。学习进展指标导出部18检测相对于图19中的右舷方向对水速度恒定的线(基准线L1)的、图19所示的对象线L2的斜度a。该对象线L2是将某一风速的风从后方作用于本船的情况下的对水速度的终点、以及上述某一风速的风从前方作用于本船的情况下的对水速度的终点相连结的直线。

一般来说，船舶具有左右对称的构造。由此，如果取得了充分数量的学习数据，则认为风力特性图左右对称。另一方面，如果学习数据的数量不充分，则认为风力特性图如图19那样倾斜，对象线L2相对于基准线L1的斜度a变大。

与此相对，在本实施方式的推断装置1f中，学习进展指标导出部18如上述那样检测出斜度a，并且根据该斜度a的大小导出表示学习的进展程度的指标即学习进展指标。作为学习进展指标，例如作为一个例子，可列举由百分率显示的数值。学习进展指标导出部18将与斜度a的大小相应的数值作为学习进展指标而导出。具体而言，学习进展指标导出部18在斜度a较大的情况下(即，认为未获得充分的学习数据的情况下)导出较低的值作为学习进展指标。另一方面，学习进展指标导出部18在斜度a较小的情况下(即，认为获得了充分的学习数据的情况下)导出较高的数值作为学习进展指标。如此导出的数值被显示于显示部5。用户观察该数值能够定量地掌握显示于显示部5的风力特性图的信赖度。

此外，学习进展指标并不局限于上述那种由百分率显示的数值，也可以是其他显示方式。例如，学习进展指标也可以是等级划分成多个阶段的字母(A是信赖度较高，B是信赖度为中等程度，C是信赖度较低)。或者，学习进展指标也可以是显示于显示部5的风力特性图的颜色(蓝色是信赖度较高，黄色是信赖度为中等程度，红色是信赖度较低)。

(7)图20是表示自动操舵装置30的构成的框图。自动操舵装置30例如构成为，通过自动地操作本船的舵35，由此对本船的航路进行自动控制。自动操舵装置30具备推断装置1g和控制部31。

推断装置1g相对于图1所示的推断装置1，还设有干扰计算部19。干扰计算部19基于由推断装置1g推断的本船附近的表层流速度、以及根据风力特性图获得的风力推动速度(由针对本船的风力所引起的本船的对水速度)，对本船受到的干扰(表层流以及风力)所引起的本船的速度(对地速度)进行计算。具体而言，干扰计算部19通过将上述表层流速度以及上述风力推动速度相加，对上述干扰所引起的本船的速度进行计算。干扰计算部19将该干扰所引起的本船的速度通知给控制部31。

控制部31基于根据由GPS信号接收部2接收的GPS信号计算而得的本船的位置信息，操作舵35的方向，以使本船沿预先设想的路线航行。另外，控制部31也基于由干扰计算部19计算出的、上述干扰所引起的本船的速度，对舵35的方向进行操作。

在以往的自动操舵装置中，基于根据GPS信号获得的本船位置控制舵的方向。与此相对，在图20所示的自动操舵装置30中，不仅基于根据GPS信号获得的本船位置，也基于给本船位置带来影响的干扰(表层流、风力等)控制舵35的方向。由此，能够根据海洋情况迅速地进行适当的操舵，因此能够更准确地沿设想的路线航行。

(8)图21是表示变形例的推断装置1h的构成的框图。在上述实施方式以及各变形例中，列举作为船舶特性能够推断风力特性的推断装置进行了说明。与此相对，本变形例的推断装置1h构成为作为船舶特性能够对主机特性进行推断。这里，主机特性指的是船舶中用于产生推力的机构部分的特性。在本实施方式的推断装置1h中，能够计算出相对于螺旋桨的转速的螺旋桨推动速度作为主机特性。此外，螺旋桨推动速度指的是螺旋桨的旋转所引起的船舶的对水速度。

本变形例的推断装置1h具备表层流推断部8和主机特性推断部9h(船舶特性推断装置)。表层流推断部8的构成以及动作与上述实施方式的推断装置1的表层流推断部8相同，因此省略其说明。

[主机特性推断部的构成]

主机特性推断部9h具备GPS信号接收部2、螺旋桨转速检测部3、风向风速计4、数据输出部6a、构成运算部10h的构成要素的一部分(具体而言是对地速度计算部11、推断器12h、结合系数更新部14、以及图像生成部15a)、以及显示部5。GPS信号接收部2、螺旋桨转速检测部3、以及风向风速计4采用与表层流推断部8的情况相同的构成以及动作，因此省略其说明。

数据输出部6a若接收用于导出本船的主机特性的信号即指令信号S，则向推断器12h依次输出多个参数数据Dn(n＝1，2，…)。各参数数据Dn中包含表示螺旋桨的转速的数据即转速数据R_n(n＝1，2，…)、以及表示风速矢量的数据即风速矢量数据V_WD1。

在本变形例中，与上述实施方式不同，各参数数据Dn的风速矢量数据V_WD1所表示的风速矢量互相相同，另一方面，各参数数据Dn的转速数据R_n所表示的螺旋桨的转速互不相同。在本实施方式中，数据输出部6输出船头方向真风速以及右舷方向真风速作为风速矢量V_WD1。

此外，上述指令信号S例如作为一个例子，是通过由用户适当地操作设于推断装置1h的操作面板(省略图示)而被发送到数据输出部6a。此时，用户能够从操作面板输入所希望的风速矢量的值(例如，0[m/s])。

运算部10h如上述那样构成为，基于从数据输出部6a输出的参数数据Dn对主机特性进行推断。此外，关于运算部10h的对地速度计算部11以及结合系数更新部14，由于采用与上述表层流推断部8的情况相同的构成以及动作，因此省略其说明。

如上述那样，推断器12h构成为对本船的对水速度进行推断。推断器12h被输入从数据输出部6a输出的参数数据Dn，与它们对应的值被推断为对水速度V_WTn(n＝1，2，…)的大小|V_WTn|，并作为第1输出值输出到图像生成部15。

另外，推断器12h如上述那样被输入多个参数数据Dn。而且，各参数数据Dn的风速矢量数据V_WD1所表示的风速矢量彼此相同，各参数数据Dn的转速数据R_n所表示的螺旋桨的转速互不相同。由此，从推断器12h输出作用于本船的风力恒定、且螺旋桨的转速不同的情况下的对水速度V_WTn的大小|V_WTn|。图22是用于对从数据输出部6a输出的各参数数据Dn、和推断器12h基于各参数数据Dn推断的各对水速度V_WTn的大小|V_WTn|之间的对应关系进行说明的图。

图23是表示通过图像生成部15a生成的主机特性图的一个例子的图。图像生成部15a生成图23的实线所示那样的主机特性图。具体而言，图像生成部15a在图23所示的坐标(纵轴为对水速度的大小，横轴为螺旋桨的转速)，对由从推断器12h输出的各对水速度V_WTn的大小即螺旋桨推动速度|V_WTn|、以及推断该各对水速度V_WTn时使用的转速R_n所确定的点进行绘制。然后，图像生成部15a基于绘制的多个点，通过回归分析等计算图23的实线所示那样的曲线(主机特性)。然后，该主机特性图被显示于显示部5。

一般来说，主机特性是新艇的试行时或者刚进行修理之后的理想的特性，具体而言，是针对螺旋桨的转速的螺旋桨推动速度与使用后相比变快那样的特性(参照图23虚线)。由此，例如通过比较新艇的试行时的主机特性、以及当前时刻的本船的主机特性，能够推测发动机的恶化状态、船体表面的污损状态等。用户通过得知这些状态，能够判断出更准确的航行计划、异常检查的必要性等。

如以上那样，在本变形例的推断装置1h的主机特性推断部9h中，能够推断在恒定的风力作用于本船的情况下、该本船的对水速度在该本船的螺旋桨的转速作用下如何变化。

因此，根据主机特性推断部9h，能够容易地掌握作为给本船的对水速度带来影响的参数的螺旋桨的转速、与该转速所引起的本船的对水速度之间的关系性。

另外，在主机特性推断部9h中，能够使用神经网络构成推断器12h。由此，能够适当地构成可输出对水速度的推断器12。

另外，在主机特性推断部9h中，更新推断器12h以使推断器12h的第2输出值和由对地速度计算部11计算出的对地速度之间的误差变少。由此，能够构成具备学习功能的推断器12h。并且，在主机特性推断部9h中，能够在航行中存储为了推断准确的对水速度所需的大量的数据。由此，能够省略预先准备这些大量的学习数据(某一条件时的对地速度的数据)、且基于这些学习数据来设定适当的结合系数的工时。

(9)图24是表示变形例的推断装置1i的构成的框图。本变形例的推断装置1i的运算部10i与图21所示的运算部10h不同，采用了省略表层流计算部13的构成。即，本变形例的推断装置1i不具有作为表层流推断部8的功能，而是作为主机特性推断部9h而设置。由此，根据本变形例的推断装置1i，与图21所示的变形例的情况不同，不能进行本船附近的表层流的推断，但能够与图21所示的变形例的情况相同地推断本船的主机特性。

此外，作为上述实施方式的推断装置1中的变形例而说明的各变形例能够适当地应用于图21以及图24所示的变形例。另外，通过适当地组合上述实施方式的推断装置1和图21或者图24所示的推断装置，能够构成可推断本船附近的表层流速度、本船的风力特性、以及本船的主机特性的推断装置。

(10)在图21所示的变形例中，通过在显示部5显示主机特性图，由此将当前时刻的主机的状态通知给用户，但并不限定于此。具体而言，也能够将表示主机的恶化状态的指标显示在显示部中。

图25是表示显示于显示部的旋转速度计7的一个例子的图。在旋转速度计7设有标记有旋转速度的数值的刻度部7a，指示针7b构成为指出螺旋桨的旋转速度。

而且，在本实施方式中，指示针7b的颜色作为表示主机的恶化状态的指标发挥功能。具体而言，在主机特性未恶化的状态下，指示针7b的颜色如图25(A)所示那样例如用蓝色(无影线)显示。另外，在主机特性稍微恶化的状态下，指示针7b的颜色如图25(B)所示那样例如用黄色(间隔较宽的影线)显示。而且，若主机特性大幅度恶化而成为需要修理的状态，则指示针7b的颜色如图25(C)所示那样例如用红色(间隔较窄的影线)显示。由此，用户能够通过视觉容易地识别主机特性的恶化。

关于上述主机特性的恶化状态，例如作为一个例子，能够基于新艇的试行时或者刚修理之后的主机的规定转速时的螺旋桨推动速度、与当前时刻的主机的规定转速时的螺旋桨推动速度之比来判定。

此外，作为表示主机的恶化状态的指标，并不局限于上述那种颜色，例如也能够设为与恶化状态对应的图案，或者也能够设为根据恶化状态使旋转速度计7的明度逐渐变暗。

(11)图26是表示变形例的推断装置1j的构成的框图。本变形例的推断装置1j相对于图24所示的推断装置1i，还设有学习进展指标导出部18a。

图27是表示由图像生成部15a生成的主机特性图的一个例子的图，并且是用于说明学习进展指标的图。

主机特性图是使螺旋桨的转速变化的情况下的、表示本船的螺旋桨推动速度的图，因此在螺旋桨的转速为0时，理想的是螺旋桨推动速度应为0。由此，如果取得充分数量的学习数据，则认为在主机特性图中，螺旋桨的转速为0时的螺旋桨推动速度接近0。另一方面，如果未取得充分数量的学习数据，则认为螺旋桨的转速为0时的螺旋桨推动速度(图27中的b)的值变大。

与此相对，在本实施方式的推断装置1j中，学习进展指标导出部18检测出图27所示的螺旋桨推动速度b的值，并且将与螺旋桨推动速度b的大小相应的数值作为学习进展指标而导出。具体而言，例如作为一个例子，学习进展指标导出部18将上述螺旋桨推动速度b的值作为学习进展指标而导出，并显示于显示部5。用户观察该数值，能够定量地掌握显示于显示部5的主机特性图的信赖度。

此外，学习进展指标并不局限于上述那种螺旋桨推动速度b，也可以是其他显示方式。例如，学习进展指标也可以是等级划分为多个阶段的字母(A是信赖度较高，B是信赖度为中等程度，C是信赖度较低)。或者，学习进展指标也可以是显示于显示部5的主机特性图的颜色(蓝色是信赖度较高，黄色是信赖度为中等程度，红色是信赖度较低)。

(12)在上述实施方式以及各变形例中，在显示部5上显示风力特性(参照图7)或者主机特性(图27)，但并不局限于此，例如也可以在显示部5上显示规定时间后的本船位置。

图28是由本变形例的推断装置的显示部5显示的、表示规定时间后的本船位置的地图的一个例子。在图28所示的地图中，显示了本船的当前地和规定时间后的本船的预期位置。在图28所示的例子中，箭头的终点表示本船的螺旋桨以某一转速持续旋转的情况下的、规定时间后的本船位置P。另外，图28所示的椭圆状的闭合曲线表示在针对本船的风力作用下、本船可能从位置P被吹走多少。例如，点P1表示从左侧对本船持续作用风速为V_WD3[m/s]的风的情况下的本船位置。因此，根据本变形例，能够考虑作用于本船的风力的风速而准确地预测本船的未来位置。

此外，当预测本船的未来位置时，除了上述风力特性之外，也可以考虑通过图1所示的推断装置1计算出的本船附近的表层流的速度、通过图21所示的推断装置1h推断的主机特性等。由此，能够更准确地进行本船的未来位置预测。

(13)另外，在上述实施方式以及各变形例中，在学习数据的存储不充分的情况下，也能够补充学习数据。

图29是用于说明学习数据的补充的示意图。由于船舶的形状大致左右对称，因此预料风力特性也左右对称。具体而言，例如在某种条件下航行的船受到左舷后方45度的风的情况下、以及受到右舷后方45度的风(风速的大小彼此相同)的情况下，预料其行进方向左右对称。由此，参照图29，例如当螺旋桨转速为规定的转速、风向为左舷后方45度、风速为规定的大小时，在对地速度为V_G的情况下，能够基于其学习数据如以下那样补充数据。具体而言，作为螺旋桨转速以及风速的大小与上述学习数据相同、风向为右舷后方45度时的学习数据，能够补充左右反转后的矢量V'_G。通过如此补充学习数据，例如即使在学习数据的存储不充分的初期阶段，也能够高精度地推断表层流、风力特性、主机特性等。

附图标记说明

6、6a 数据输出部

9、9b、9c、9d、9e、9f 风力特性推断部(船舶特性推断装置)

9h、9j 主机特性推断部(船舶特性推断装置)

12、12c、12d、12h 推断器