論文の概要: System Identification of a Moored ASV with Recessed Moon Pool via Deterministic and Bayesian Hankel-DMDc
- arxiv url: http://arxiv.org/abs/2511.03482v1
- Date: Wed, 05 Nov 2025 14:07:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-06 18:19:32.441455
- Title: System Identification of a Moored ASV with Recessed Moon Pool via Deterministic and Bayesian Hankel-DMDc
- Title（参考訳）: 決定論的およびベイジアン・ハンケル-DMDcによる月プールを付加した係留型ASVのシステム同定
- Authors: Giorgio Palma, Ivan Santic, Andrea Serani, Lorenzo Minno, Matteo Diez,
- Abstract要約: 本研究は, 係留条件下での小型自動表面車両 (ASV) のシステム同定に対処する。
CNR-INMの牽引タンクで、Codevintec CK-14e ASVで実験が行われた。
- 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: This study addresses the system identification of a small autonomous surface vehicle (ASV) under moored conditions using Hankel dynamic mode decomposition with control (HDMDc) and its Bayesian extension (BHDMDc). Experiments were carried out on a Codevintec CK-14e ASV in the towing tank of CNR-INM, under both irregular and regular head-sea wave conditions. The ASV under investigation features a recessed moon pool, which induces nonlinear responses due to sloshing, thereby increasing the modelling challenge. Data-driven reduced-order models were built from measurements of vessel motions and mooring loads. The HDMDc framework provided accurate deterministic predictions of vessel dynamics, while the Bayesian formulation enabled uncertainty-aware characterization of the model response by accounting for variability in hyperparameter selection. Validation against experimental data demonstrated that both HDMDc and BHDMDc can predict the vessel's response to unseen regular and irregular wave excitations. In conclusion, the study shows that HDMDc-based ROMs are a viable data-driven alternative for system identification, demonstrating for the first time their generalization capability for a sea condition different from the training set, achieving high accuracy in reproducing vessel dynamics.
- Abstract（参考訳）: 本研究では,Hankel Dynamic Mode decomposition with Control (HDMDc) とBayesian Extension (BHDMDc) を用いて, 係留条件下での小型自動表面車両 (ASV) のシステム同定について検討した。
Codevintec CK-14e ASVで、CNR-INMの曳航タンクにおいて、不規則波と通常の波動条件の両方で実験を行った。
調査中のASVは、スロッシングによる非線形応答を誘導し、モデリング課題を増大させる、後退したムーンプールを特徴としている。
データ駆動型減階モデルは、船体の動きと係留荷重の測定から構築された。
HDMDcフレームワークは、容器力学の正確な決定論的予測を提供し、ベイジアン定式化は、ハイパーパラメータ選択における可変性を考慮して、モデル応答の不確実性を考慮したキャラクタリゼーションを可能にした。
実験データに対する検証は、HDMDcとBHDMDcの両方が、目に見えない正常波と不規則波の励起に対する船の反応を予測できることを示した。
結論として,HDMDcをベースとしたROMは,訓練セットと異なる海水条件に対する一般化能力を初めて実証し,血管動態の再現において高い精度を実現した,システム識別のためのデータ駆動型ROMであることを示す。
関連論文リスト
- A Comprehensive Framework for Uncertainty Quantification of Voxel-wise Supervised Models in IVIM MRI [33.7054351451505]
混合密度ネットワーク(MDN)のディープアンサンブルに基づく確率論的ディープラーニングフレームワークを提案する。
MDNは拡散係数Dと分数fのパラメータに対してより校正され、よりシャープな予測分布が得られたが、擬拡散係数D*ではわずかに過信が観察された。
本稿では,信頼できない推定値の同定と解釈を可能にする,不確実な定量化を伴うIVIMの包括的枠組みを提案する。
論文 参考訳（メタデータ） (2025-08-06T16:08:55Z) - Deep Learning-based Bathymetry Retrieval without In-situ Depths using Remote Sensing Imagery and SfM-MVS DSMs with Data Gaps [3.063197102484114]
本研究では,SfM-MVS法の高忠実度3次元再構成機能と最先端屈折補正技術を組み合わせた手法を提案する。
この統合により、SfM-MVSから派生したデータギャップを持つDSMをトレーニングデータとして使用して完全なバスメトリックマップを生成する、シナジスティックなアプローチが可能になる。
本稿では,U-Net と Swin Transformer の自己アテンション層と相互アテンション機構を組み合わせた Swin-BathyUNet を提案する。
論文 参考訳（メタデータ） (2025-04-15T17:31:48Z) - Model-free system identification of surface ships in waves via Hankel dynamic mode decomposition with control [0.0]
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。
論文 参考訳（メタデータ） (2025-02-17T11:11:14Z) - DINAMO: Dynamic and INterpretable Anomaly MOnitoring for Large-Scale Particle Physics Experiments [0.0]
提案するDINAMOは,新しい,解釈可能な,堅牢でスケーラブルなDQMフレームワークである。
提案手法は, 階層構造を組み込んだヒストグラムテンプレートの構築である。
この統計的変種は、大型ハドロン衝突型加速器のLHCb実験で委託されている。
論文 参考訳（メタデータ） (2025-01-31T15:51:41Z) - 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) - SMRD: SURE-based Robust MRI Reconstruction with Diffusion Models [76.43625653814911]
拡散モデルは、高い試料品質のため、MRIの再生を加速するために人気を博している。
推論時に柔軟にフォワードモデルを組み込んだまま、効果的にリッチなデータプリエントとして機能することができる。
拡散モデル(SMRD)を用いたSUREに基づくMRI再構成を導入し,テスト時の堅牢性を向上する。
論文 参考訳（メタデータ） (2023-10-03T05:05:35Z) - Kalman Filter for Online Classification of Non-Stationary Data [101.26838049872651]
オンライン連続学習(OCL)では、学習システムはデータのストリームを受け取り、予測とトレーニングの手順を順次実行する。
本稿では,線形予測量に対するニューラル表現と状態空間モデルを用いた確率ベイズオンライン学習モデルを提案する。
多クラス分類の実験では、モデルの予測能力と非定常性を捉える柔軟性を示す。
論文 参考訳（メタデータ） (2023-06-14T11:41:42Z) - Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。
CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。
睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
論文 参考訳（メタデータ） (2023-05-30T08:24:01Z) - Benchmarking quantum annealing dynamics: the spin-vector Langevin model [58.720142291102135]
本稿では,スピンベクトルLangevin(SVL)モデルを,時間進化をLangevin dynamicsによって記述した代替ベンチマークとして紹介する。
SVLモデルは、量子シグネチャの同定のためのSVMCモデルよりも厳密なテストを提供する。
論文 参考訳（メタデータ） (2021-09-20T18:00:01Z) - 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)
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。