論文の概要: Dynamic Modeling, Parameter Identification and Numerical Analysis of Flexible Cables in Flexibly Connected Dual-AUV Systems

• arxiv url: http://arxiv.org/abs/2602.06087v1
• Date: Thu, 05 Feb 2026 04:19:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.209414
• Title: Dynamic Modeling, Parameter Identification and Numerical Analysis of Flexible Cables in Flexibly Connected Dual-AUV Systems
• Title（参考訳）: フレキシブルケーブルの動的モデリング・パラメータ同定・数値解析
• Authors: Kuo Chen, Minghao Dou, Qianqi Liu, Yang An, Kai Ren, Zeming WU, Yu Tian, Jie Sun, Xinping Wang, Zhier Chen, Jiancheng Yu,
• Abstract要約: 本研究では、柔軟に連結されたデュアルAUV系の高非線形挙動を記述するための動的モデリングフレームワークとパラメータ同定手法を提案する。 複雑な境界条件下でのフレキシブルケーブルのダイナミクスが明らかにされ、類似システムの設計、最適化、さらなる制御研究の理論的基盤となる。
• 参考スコア（独自算出の注目度）: 12.461823075252331
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This research presents a dynamic modeling framework and parameter identification methods for describing the highly nonlinear behaviors of flexibly connected dual-AUV systems. The modeling framework is established based on the lumped mass method, integrating axial elasticity, bending stiffness, added mass and hydrodynamic forces, thereby accurately capturing the time-varying response of the forces and cable configurations. To address the difficulty of directly measuring material-related and hydrodynamic coefficients, this research proposes a parameter identification method that combines the physical model with experimental data. High-precision inversion of the equivalent Youngs modulus and hydrodynamic coefficients is performed through tension experiments under multiple configurations, effectively demonstrating that the identified model maintains predictive consistency in various operational conditions. Further numerical analysis indicates that the dynamic properties of flexible cable exhibit significant nonlinear characteristics, which are highly dependent on material property variations and AUV motion conditions. This nonlinear dynamic behavior results in two typical response states, slack and taut, which are jointly determined by boundary conditions and hydrodynamic effects, significantly affecting the cable configuration and endpoint loads. In this research, the dynamics of flexible cables under complex boundary conditions is revealed, providing a theoretical foundation for the design, optimization and further control research of similar systems.
• Abstract（参考訳）: 本研究では、柔軟に連結されたデュアルAUV系の高非線形挙動を記述するための動的モデリングフレームワークとパラメータ同定手法を提案する。 本手法は, 軸方向弾性, 曲げ剛性, 付加質量および流体力とを一体化し, 力およびケーブル構成の時間変化を正確に把握する。 そこで本研究では, 物理モデルと実験データを組み合わせたパラメータ同定手法を提案する。 等価ヤングス率と流体係数の高精度逆転は、複数の構成下での張力実験を通じて行われ、同定されたモデルが様々な操作条件下で予測整合性を維持することを効果的に証明する。 さらに数値解析した結果, フレキシブルケーブルの動的特性は, 材料特性の変化やAUV運動条件に大きく依存する, 顕著な非線形特性を示すことが明らかとなった。 この非線形動的挙動は、境界条件と流体力学的効果によって共同で決定されるスラックとタウトという2つの典型的な応答状態をもたらす。 本研究では, 複雑な境界条件下でのフレキシブルケーブルのダイナミックスを明らかにし, 類似システムの設計, 最適化, さらに制御研究の理論的基盤を提供する。

関連論文リスト

• Hybrid Physics-Machine Learning Models for Quantitative Electron Diffraction Refinements [37.74101322610068]
  本稿では,ニューラルネットワークに微分可能な物理シミュレーションを統合するハイブリッド物理機械学習フレームワークを提案する。 我々は3次元電子回折(3D-ED)構造改善への応用を通して,この枠組みを実証する。
  論文  参考訳（メタデータ） (2025-08-08T00:13:12Z)
• Geometric Contact Flows: Contactomorphisms for Dynamics and Control [16.973611363085624]
  本稿では,複雑なシステムを学ぶための新しいフレームワークであるGeometric Contact Flows (GFC)を紹介する。 GFCは安定性やエネルギー保存といった望ましい性質をコードする潜在接触ハミルトンモデルを構築している。 物理的システムにおける動的学習実験とインタラクションタスクにおけるロボット制御実験は,我々のアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2025-06-22T01:52:21Z)
• Hybrid Adaptive Modeling using Neural Networks Trained with Nonlinear Dynamics Based Features [5.652228574188242]
  本稿では,非線形動的モデリングから情報を明らかにし,それをデータベースモデルに組み込むことにより,標準手法から逸脱する新しいアプローチを提案する。 摂動法による非線形力学現象を明示的に取り入れることにより、予測能力はブルートフォース数値シミュレーションから得られた知識と比較してより現実的で洞察力が高い。
  論文  参考訳（メタデータ） (2025-01-21T02:38:28Z)
• 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)
• Differentiable Physics-based System Identification for Robotic Manipulation of Elastoplastic Materials [43.99845081513279]
  本研究は, ロボットアームが簡単な操作動作と不完全な3次元点雲を用いて, 弾塑性材料の物理パラメータと環境を推測することのできる, 微分可能物理に基づくシステム同定(DPSI)フレームワークを提案する。 1つの現実世界の相互作用だけで、推定されたパラメータは、目に見えない、長い水平運動によって引き起こされる視覚的および物理的に現実的な振る舞いを正確にシミュレートすることができる。
  論文  参考訳（メタデータ） (2024-11-01T13:04:25Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
  本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。 静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
  論文  参考訳（メタデータ） (2022-02-25T20:00:56Z)
• Augmenting Physical Models with Deep Networks for Complex Dynamics Forecasting [34.61959169976758]
  APHYNITYは、深層データ駆動モデルを持つ微分方程式によって記述された不完全な物理力学を増大させる原理的なアプローチである。 これは、動的を2つのコンポーネントに分解することで構成されます。物理コンポーネントは、事前の知識を持つダイナミクスを、データ駆動コンポーネントは、物理モデルのエラーを説明します。
  論文  参考訳（メタデータ） (2020-10-09T09:31:03Z)
• Feedback-induced instabilities and dynamics in the Jaynes-Cummings model [62.997667081978825]
  時間遅延コヒーレントフィードバックを受けるJaynes-Cummingsモデルのコヒーレンスと定常状態特性について検討する。 導入されたフィードバックは、システムの動的応答と定常量子特性を質的に修正する。
  論文  参考訳（メタデータ） (2020-06-20T10:07:01Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。