論文の概要: A neural network based heading and position control system of a ship
- arxiv url: http://arxiv.org/abs/2204.00757v1
- Date: Sat, 2 Apr 2022 04:21:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-20 00:42:39.526207
- Title: A neural network based heading and position control system of a ship
- Title（参考訳）: ニューラルネットワークによる船舶の方向・位置制御システム
- Authors: Shahroz Unar, Mukhtiar Ali Unar, Zubair Ahmed Memon, Sanam Narejo
- Abstract要約: 船舶の進水・位置制御システムは依然として困難な制御問題である。
位置制御システムに人工ニューラルネットワークコントローラを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Heading and position control system of ships has remained a challenging
control problem. It is a nonlinear multiple input multiple output system.
Moreover, the dynamics of the system vary with operating as well as
environmental conditions. Conventionally, simple Proportional Integral
Derivative controller is used which has well known limitations. Other
conventional control techniques have also been investigated but they require an
accurate mathematical model of a ship. Unfortunately, accuracy of mathematical
models is very difficult to achieve. During the past few decades computational
intelligence techniques such as artificial neural networks have been very
successful when an accurate mathematical model is not available. Therefore, in
this paper, an artificial neural network controller is proposed for heading and
position control system. For simulation purposes, a mathematical model with
four effective thrusters have been chosen to test the performance of the
proposed controller. The final closed loop system has been analyzed and tested
through simulation studies. The results are very encouraging.
- Abstract（参考訳）: 船舶の方向制御システムは依然として困難な制御問題である。
非線形多重入力多重出力システムである。
さらに、システムのダイナミクスは、運用と環境条件によって異なる。
従来は、よく知られた制限を持つ単純な比例積分微分制御器が用いられる。
他の従来の制御技術も研究されているが、船の正確な数学的モデルが必要である。
残念ながら、数学的モデルの正確性は達成が困難である。
過去数十年間、人工知能のような計算知能技術は、正確な数学的モデルが利用できないときに非常に成功した。
そこで,本稿では,方向・位置制御システムのための人工ニューラルネットワークコントローラを提案する。
シミュレーションのために、提案するコントローラの性能をテストするために、4つの効果的なスラスタを持つ数学モデルが選ばれた。
最終閉ループ系はシミュレーション研究により解析・試験されている。
結果はとても刺激的です。
関連論文リスト
- Verified Compositional Neuro-Symbolic Control for Stochastic Systems
with Temporal Logic Tasks [11.614036749291216]
自律エージェントのためのニューラルネットワーク(NN)コントローラを学ぶために、最近いくつかの方法が提案されている。
これらのアプローチにおける重要な課題は、しばしば安全保証が欠如しているか、提供された保証が現実的でないことである。
本稿では,訓練されたNNコントローラの時間的構成が存在するかどうかを確認することで,この問題に対処することを目的とする。
論文 参考訳（メタデータ） (2023-11-17T20:51:24Z) - Transfer learning-based physics-informed convolutional neural network
for simulating flow in porous media with time-varying controls [0.0]
多孔質媒質中の二相流をシミュレートする物理インフォームド畳み込みニューラルネットワークを提案する。
有限体積スキームは流れの方程式を識別するために用いられる。
N ノイマン境界条件は半離散方程式にシームレスに組み込まれる。
論文 参考訳（メタデータ） (2023-10-10T05:29:33Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z) - Port-Hamiltonian Neural Networks with State Dependent Ports [58.720142291102135]
本手法は,数個の内力および外力を持つ単純な質量スプリングシステムと,より複雑で現実的なシステムの両方において,ストレス試験を行う。
ポート-ハミルトンニューラルネットワークは、状態依存型ポートでより大きな次元に拡張することができる。
スパースデータとノイズデータのトレーニングを改善するための対称高次積分器を提案する。
論文 参考訳（メタデータ） (2022-06-06T14:57:25Z) - Finite-time System Identification and Adaptive Control in Autoregressive
Exogenous Systems [79.67879934935661]
未知のARXシステムのシステム識別と適応制御の問題について検討する。
我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
論文 参考訳（メタデータ） (2021-08-26T18:00:00Z) - Online-Learning Deep Neuro-Adaptive Dynamic Inversion Controller for
Model Free Control [1.3764085113103217]
ニュートラル適応コントローラは、新しい重み更新法則に基づいて訓練されたディープニューラルネットワークを特徴とする実装である。
制御器は、非線形プラントを迅速に学習することができ、追従制御問題において優れた性能を示す。
論文 参考訳（メタデータ） (2021-07-21T22:46:03Z) - SyReNets: Symbolic Residual Neural Networks [9.713727879151012]
我々はSyReNetsを提案する。SyReNetsは、ニューラルネットワークを利用してシンボリックリレーションを学習し、データから動的物理システムを正確に記述する手法である。
入力としての位置,速度,加速度のランダムなサンプルのみを観測し,トルクを出力とする。
この手法は、シミュレーション制御された二重振り子を用いて評価され、ニューラルネットワーク、遺伝的プログラミング、従来のシステム識別と比較される。
論文 参考訳（メタデータ） (2021-05-30T00:30:27Z) - Data-Efficient Learning for Complex and Real-Time Physical Problem
Solving using Augmented Simulation [49.631034790080406]
本稿では,大理石を円形迷路の中心まで航行する作業について述べる。
実システムと対話する数分以内に,複雑な環境で大理石を動かすことを学習するモデルを提案する。
論文 参考訳（メタデータ） (2020-11-14T02:03:08Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z) - Model-Free Control of Dynamical Systems with Deep Reservoir Computing [0.0]
本稿では,未知の複雑なシステムに適用可能な非線形制御法を提案する。
我々の手法はシステムに関する事前の知識を必要としないため、モデルフリーである。
貯留層コンピュータは、小さなトレーニングデータセットと驚くほど低いトレーニング時間を必要とするため、制御問題に適している。
論文 参考訳（メタデータ） (2020-10-05T18:59:51Z) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳（メタデータ） (2020-03-12T19:56:38Z)
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。