論文の概要: Data-Driven System Identification of 6-DoF Ship Motion in Waves with Neural Networks

• arxiv url: http://arxiv.org/abs/2111.01773v1
• Date: Tue, 2 Nov 2021 17:51:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-03 15:05:33.884926
• Title: Data-Driven System Identification of 6-DoF Ship Motion in Waves with Neural Networks
• Title（参考訳）: ニューラルネットワークを用いた波動中の6-DoF船動のデータ駆動システム同定
• Authors: Kevin M. Silva and Kevin J. Maki
• Abstract要約: 現在の波動環境と船の状態から船の応答の短期的予測は、有人・無人船の意思決定の強化を可能にした。 長い短期記憶(LSTM)ニューラルネットワークを用いて開発され、フリーランのデビッド・テイラー・モデル・ベースン(DTMB)5415駆逐艦の動作を表現する。 波高の時間履歴は、推定された遭遇フレームと共に移動し、ニューラルネットワークへの入力として機能する人工波プローブによって与えられ、出力は6-DOFの時間的船動応答である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Critical evaluation and understanding of ship responses in the ocean is important for not only the design and engineering of future platforms but also the operation and safety of those that are currently deployed. Simulations or experiments are typically performed in nominal sea conditions during ship design or prior to deployment and the results may not be reflective of the instantaneous state of the vessel and the ocean environment while deployed. Short-term temporal predictions of ship responses given the current wave environment and ship state would enable enhanced decision-making onboard for both manned and unmanned vessels. However, the current state-of-the-art in numerical hydrodynamic simulation tools are too computationally expensive to be employed for real-time ship motion forecasting and the computationally efficient tools are too low fidelity to provide accurate responses. A methodology is developed with long short-term memory (LSTM) neural networks to represent the motions of a free running David Taylor Model Basin (DTMB) 5415 destroyer operating at 20 knots in Sea State 7 stern-quartering irregular seas. Case studies are performed for both course-keeping and turning circle scenarios. An estimate of the vessel's encounter frame is made with the trajectories observed in the training dataset. Wave elevation time histories are given by artificial wave probes that travel with the estimated encounter frame and serve as input into the neural network, while the output is the 6-DOF temporal ship motion response. Overall, the neural network is able to predict the temporal response of the ship due to unseen waves accurately, which makes this methodology suitable for system identification and real-time ship motion forecasting. The methodology, the dependence of model accuracy on wave probe and training data quantity and the estimated encounter frame are all detailed.
• Abstract（参考訳）: 海洋における船舶応答の批判的評価と理解は、将来のプラットフォームの設計と工学だけでなく、現在配備されている船の運用と安全性にも重要である。 シミュレーションや実験は通常、船の設計中や配備前の名目上の海条件で行われ、その結果は配備中の船舶と海洋環境の瞬時状態を反映するものではない。 現在の波動環境と船の状態から船の応答の短期的予測は、有人船と無人船の双方の意思決定の強化を可能にする。 しかし, 数値流体力学シミュレーションツールの現況は, 計算コストが高すぎるため, 船舶のリアルタイム動作予測に利用できないため, 精度が低く, 正確な応答が得られていない。 長期短期記憶 (lstm) ニューラルネットワークを用いて, 自由走行型デビッド・テイラー・モデル・ベースン (dtmb) 5415駆逐体の動きを表現し, 海面に20ノットの海面不規則な海域で動作させる手法を開発した。 ケーススタディはコースキーピングとターンサークルのシナリオの両方で実施される。 船の遭遇フレームの推定は、訓練データセットで観測された軌道を用いて行われる。 波高の時間履歴は、推定された遭遇フレームと共に移動し、ニューラルネットワークへの入力として機能する人工波プローブによって与えられ、出力は6-DOFの時間的船動応答である。 全体として、ニューラルネットワークは、目に見えない波による船の時間応答を正確に予測できるため、この手法はシステム識別とリアルタイムの船の動き予測に適している。 本手法, モデル精度のウェーブプローブ依存性, トレーニングデータ量, および推定遭遇フレームについて詳述した。

関連論文リスト

• A Computer Vision Approach to Estimate the Localized Sea State [45.498315114762484]
  本研究は, 船橋に設置した静止カメラ1台が捉えた運用用封筒内の海像の活用に焦点を当てた。 収集した画像は、深層学習モデルを訓練し、ビューフォートスケールに基づいて海の状態を自動的に認識する。
  論文  参考訳（メタデータ） (2024-07-04T09:07:25Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• Data-Driven Strategies for Coping with Incomplete DVL Measurements [15.619053656143564]
  現実のシナリオでは、不完全なドップラー速度測定が行われ、位置決めエラーやミッション中止が発生する。 本稿では,LiBeamsNetとMissBeamNetの2つの最先端ディープラーニング手法の比較分析を行った。 両ディープラーニングアーキテクチャは,速度予測精度が16%以上向上した。
  論文  参考訳（メタデータ） (2024-01-28T10:17:36Z)
• Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
  洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。 近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。 洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-29T22:49:50Z)
• Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
  ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。 提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
  論文  参考訳（メタデータ） (2023-05-18T12:30:26Z)
• Implementation of the Critical Wave Groups Method with Computational Fluid Dynamics and Neural Networks [0.0]
  本稿では,極端船舶の応答の正確かつ効率的な予測のための新しい枠組みを提案する。 新しいフレームワークは、計算コストの2桁の削減で、純粋にCFD駆動のフレームワークを表す予測を生成することができる。
  論文  参考訳（メタデータ） (2023-01-24T06:14:58Z)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)
• A Data Driven Method for Multi-step Prediction of Ship Roll Motion in High Sea States [15.840386459188169]
  本稿では, 海上における船の転がり動作の多段階予測を実現するための新しいデータ駆動手法を提案する。 ConvLSPTMNetと呼ばれるハイブリッドニューラルネットワークは、長い短期記憶(LSTM)と1次元畳み込みニューラルネットワーク(CNN)を実行するために提案されている。 その結果, ロール動作の多段階予測において, ConvNetはLSTM法やCNN法よりも精度が高いことがわかった。
  論文  参考訳（メタデータ） (2022-07-26T06:26:00Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• Recurrent-type Neural Networks for Real-time Short-term Prediction of Ship Motions in High Sea State [0.0]
  船体運動のリアルタイム短期予測(流速予測)において, 繰り返し型ニューラルネットワークの予測能力について検討した。 インシデント波の時系列、船の動き、舵角、および浸漬プローブが、現在放送問題の変数として使われている。
  論文  参考訳（メタデータ） (2021-05-27T12:58:15Z)
• Real-Time target detection in maritime scenarios based on YOLOv3 model [65.35132992156942]
  ウェブスクレイピングによって収集された56k以上の海洋船舶の画像からなる、新しい船舶データセットが提案されている。 Keras APIをベースとしたYOLOv3シングルステージ検出器がこのデータセット上に構築されている。
  論文  参考訳（メタデータ） (2020-02-10T15:25:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。