論文の概要: Model-free system identification of surface ships in waves via Hankel dynamic mode decomposition with control

• arxiv url: http://arxiv.org/abs/2502.15782v1
• Date: Mon, 17 Feb 2025 11:11:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 02:21:18.896275
• Title: Model-free system identification of surface ships in waves via Hankel dynamic mode decomposition with control
• Title（参考訳）: ハンケル動的モード分解制御による波面船のモデルフリー同定
• Authors: Giorgio Palma, Andrea Serani, Shawn Aram, David W. Wundrow, David Drazen, Matteo Diez,
• Abstract要約: 本研究は,ハンケル動的モード分解と制御(ハンケル-DMDc)を紹介し,比較する。 提案手法は,システム状態と入射波の上昇履歴から得られた限られたデータを用いて,低次モデルを生成する。 その結果,提案手法は解析の力学系を効果的に同定できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study introduces and compares the Hankel dynamic mode decomposition with control (Hankel-DMDc) and a novel Bayesian extension of Hankel-DMDc as model-free (i.e., data-driven and equation-free) approaches for system identification and prediction of free-running ship motions in irregular waves. The proposed DMDc methods create a reduced-order model using limited data from the system state and incoming wave elevation histories, with the latter and rudder angle serving as forcing inputs. The inclusion of delayed states of the system as additional dimensions per the Hankel-DMDc improves the representation of the underlying non-linear dynamics of the system by DMD. The approaches are statistically assessed using data from free-running simulations of a 5415M hull's course-keeping in irregular beam-quartering waves at sea state 7, a highly severe condition characterized by nonlinear responses near roll-resonance. The results demonstrate robust performance and remarkable computational efficiency. The results indicate that the proposed methods effectively identify the dynamic system in analysis. Furthermore, the Bayesian formulation incorporates uncertainty quantification and enhances prediction accuracy. Ship motions are predicted with good agreement with test data over a 15 encounter waves observation window. No significant accuracy degradation is noted along the test sequences, suggesting the method can support accurate and efficient maritime design and operational planning.
• Abstract（参考訳）: 本研究では, ハンケルの動的モード分解と制御(ハンケル-DMDc)と, ハンケル-DMDcのベイズ拡張をモデルフリー(すなわち, データ駆動型および方程式フリー)アプローチとして導入し, 不規則波における自由船動の同定と予測を行う。 提案手法は,システム状態と入射波の上昇履歴から得られた限られたデータを用いて,差分次モデルを作成し,後者と舵角を強制入力として用いる。 ハンケル-DMDcの余剰次元としてシステムの遅延状態を含めることにより、DMDによるシステムの基盤となる非線形力学の表現が改善される。 提案手法は, ロール共鳴近傍の非線形応答を特徴とする高度に厳密な条件である, 海面7における不規則なビーム定位波における5415M船体軌道維持のフリーランニングシミュレーションのデータを用いて, 統計的に評価した。 その結果,高い性能と計算効率が得られた。 その結果,提案手法は解析の力学系を効果的に同定できることが示唆された。 さらに、ベイジアン定式化は不確かさの定量化を取り入れ、予測精度を高める。 船の動きは、衝突する15の波の観測窓上でのテストデータとよく一致して予測される。 テストシーケンスに沿って有意な精度劣化は見られず、この手法は正確で効率的な海洋設計と運用計画を支援することができることを示唆している。

関連論文リスト

• Data-driven Modeling of Parameterized Nonlinear Fluid Dynamical Systems with a Dynamics-embedded Conditional Generative Adversarial Network [0.0]
  本稿では,動的生成条件付きGAN(Dyn-cGAN)を代理モデルとして,パラメータ化非線形流体力学系を正確に予測する。 学習したDyn-cGANモデルはシステムの流れ場を正確に予測するためにシステムパラメータを考慮に入れている。
  論文  参考訳（メタデータ） (2024-12-23T20:50:20Z)
• Analysis, forecasting and system identification of a floating offshore wind turbine using dynamic mode decomposition [0.0]
  本稿では, 動的モード分解(DMD)を応用したヘキサフロート浮揚風力タービンの動特性の, データ駆動式フリーモデリングについて述べる。 そこで,DMD は,システム同定と秩序の低減のために,システム状態の即時的知識から短期的な予測を行うために,i) 動的システムから知識を抽出するために,i) モーダル解析(ii) を用いている。 結果は、短期予測とシステム同定のためのアプローチの能力を示し、リアルタイム連続学習デジタルツインニングの可能性を示し、データ駆動型縮小順序モデリングを代理する。
  論文  参考訳（メタデータ） (2024-11-08T18:38:29Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• Data-driven Bayesian State Estimation with Compressed Measurement of Model-free Process using Semi-supervised Learning [57.04370580292727]
  研究テーマは、圧縮測定によるデータ駆動ベイズ状態推定である。 状態の基本的な力学モデルは未知であると仮定される。 既存の2つの教師なし学習ベースのデータ駆動手法は、BSCMの問題に対処できない。
  論文  参考訳（メタデータ） (2024-07-10T05:03:48Z)
• Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study [56.283944756315066]
  そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。 ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
  論文  参考訳（メタデータ） (2024-01-09T11:54:54Z)
• Distributed Robust Learning-Based Backstepping Control Aided with Neurodynamics for Consensus Formation Tracking of Underwater Vessels [14.660236097277638]
  本稿では,複数の水中船のコンセンサス生成追跡のための分散ロバスト学習に基づく制御について述べる。 海洋船舶のシステムパラメータは完全に未知であり、モデリングミスマッチ、海洋障害、騒音にさらされていると推定されている。
  論文  参考訳（メタデータ） (2023-08-18T05:45:13Z)
• Extension of Dynamic Mode Decomposition for dynamic systems with incomplete information based on t-model of optimal prediction [69.81996031777717]
  動的モード分解は、動的データを研究するための非常に効率的な手法であることが証明された。 このアプローチの適用は、利用可能なデータが不完全である場合に問題となる。 本稿では,森-Zwanzig分解の1次近似を考察し,対応する最適化問題を記述し,勾配に基づく最適化法を用いて解く。
  論文  参考訳（メタデータ） (2022-02-23T11:23:59Z)
• A Priori Denoising Strategies for Sparse Identification of Nonlinear Dynamical Systems: A Comparative Study [68.8204255655161]
  本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。 一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-01-29T23:31:25Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)
• Gaussian processes meet NeuralODEs: A Bayesian framework for learning the dynamics of partially observed systems from scarce and noisy data [0.0]
  本稿では,非線形力学系の部分的,雑音的,不規則な観測からベイズ系を同定する機械学習フレームワーク(GP-NODE)を提案する。 提案手法は、微分可能プログラミングの最近の発展を利用して、通常の微分方程式解法を用いて勾配情報を伝播する。 捕食者予備システム,システム生物学,50次元ヒューマンモーションダイナミクスシステムを含む提案GP-NODE法の有効性を示すために,一連の数値的研究を行った。
  論文  参考訳（メタデータ） (2021-03-04T23:42:14Z)
• Derivative-Based Koopman Operators for Real-Time Control of Robotic Systems [14.211417879279075]
  本稿では, モデル誤差を拘束する非線形力学をデータ駆動で同定するための一般化可能な手法を提案する。 クープマン演算子に基づく線形表現を構築し,テイラー級数精度解析を用いて誤差境界を導出する。 制御と組み合わせると、非線形系のクープマン表現は競合する非線形モデリング法よりも極端に優れた性能を持つ。
  論文  参考訳（メタデータ） (2020-10-12T15:15:13Z)

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。