論文の概要: Efficient Time-Domain Simulation of USV Motions in Short-Crested Irregular Waves Using an IRF-Based Framework

• arxiv url: http://arxiv.org/abs/2606.24130v1
• Date: Tue, 23 Jun 2026 04:30:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.763178
• Title: Efficient Time-Domain Simulation of USV Motions in Short-Crested Irregular Waves Using an IRF-Based Framework
• Title（参考訳）: IRFフレームワークを用いた短絡不規則波中のUSV運動の効率的な時間領域シミュレーション
• Authors: Fei Duan, Zihao Wang, Yaohua Zhou, Qing Xiao,
• Abstract要約: 不規則波における容器の動きの伝統的な時間領域予測は、多くの正規波成分からの重畳応答に依存する。 本研究では, インパルス応答関数(IRF)に基づく時間領域フレームワークを適用し, 短絡不規則波の容器運動を予測する。
• 参考スコア（独自算出の注目度）: 22.925743719340442
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Traditional time-domain prediction of vessel motions in irregular waves usually relies on superposing responses from many regular-wave components, which is computationally expensive for long-duration simulation and real-time applications. This issue is particularly relevant to unmanned surface vehicles (USVs), for which efficient and realistic motion prediction is needed for seakeeping assessment, simulation-based testing, and control-system development. This study applies an impulse response function (IRF)-based time-domain framework to predict vessel motions in short-crested irregular waves. Froude-Krylov, diffraction, and radiation loads are obtained from frequency-domain analysis and transformed into the time domain. Instantaneous responses are then evaluated directly through convolution-based force reconstruction, reducing the need for repeated regular-wave simulations. Weak nonlinear restoring effects are included by instantaneous wetted-surface pressure integration, and directional wave spectra are used to represent realistic sea states. The framework is validated against model-test measurements of an offshore supply vessel in long-crested beam irregular waves and full-scale measurements of a USV operating in real sea conditions. Predicted significant amplitudes, mean zero-crossing periods, standard deviations, and motion time histories agree well with measurements. The effect of directional-spectrum discretization is also examined. Results show that motion amplitudes are moderately sensitive to directional resolution, whereas motion periods are relatively insensitive. A 30 deg directional interval provides a practical balance between prediction accuracy and computational cost. The proposed framework offers an efficient tool for high-fidelity time-domain prediction of USV motions in realistic directional irregular seas.
• Abstract（参考訳）: 不規則波における容器の動きの伝統的な時間領域予測は、通常、多くの正則波成分からの重なり合う応答に依存しており、これは長周期シミュレーションやリアルタイムアプリケーションに計算コストがかかる。 この問題は、海面維持評価、シミュレーションベースのテスト、制御系開発に効率的で現実的な動き予測を必要とする無人表面車両(USV)に特に関係している。 本研究では, インパルス応答関数(IRF)に基づく時間領域フレームワークを適用し, 短絡不規則波の容器運動を予測する。 周波数領域解析からフロード・クリロフ、回折、放射負荷を求め、時間領域に変換する。 即時応答は、畳み込みに基づく力再構成によって直接評価され、定期波の繰り返しシミュレーションの必要性が軽減される。 微弱非線形復元効果は, 瞬時湿潤表面圧積分によって含み, 指向性波スペクトルは現実的な海の状態を表すために用いられる。 この枠組みは、長周期ビーム不規則波におけるオフショア供給船のモデル実験と、実海環境下でのUSVのフルスケール測定に対して検証された。 予測された重要な振幅、平均ゼロ交叉時間、標準偏差、運動時間ヒストリーは測定値とよく一致している。 また,方向スペクトルの離散化の影響についても検討した。 その結果、運動振幅は方向分解能に適度に敏感であるのに対し、運動周期は比較的敏感であることがわかった。 30デグ方向間隔は、予測精度と計算コストの実際のバランスを提供する。 提案フレームワークは, 現実的な方向の不規則海中におけるUSV運動の高忠実度時間領域予測のための効率的なツールを提供する。

関連論文リスト

• Radar-Inertial Odometry with Online Spatio-Temporal Calibration via Continuous-Time IMU Modeling [0.0]
  レーダー慣性オドメトリー(RIO)は、困難条件下での視覚およびLiDARベースのオドメトリーの強力な代替品として登場した。 本稿では,因子グラフ最適化の定式化において,共同で空間的・時間的キャリブレーションを行うRIOフレームワークを提案する。 提案した加速度と角速度の連続時間表現は,レーダIMU測定の非同期特性を正確に捉える。
  論文  参考訳（メタデータ） (2026-03-20T14:00:58Z)
• FASTER: Rethinking Real-Time Flow VLAs [82.58822112377923]
  VLA(Vision-Language-Action)モデルを物理世界に展開するには、リアルタイム実行が不可欠である。 反応時間は、TTFA(Time to First Action)と実行地平線によって決定される一様分布に従っていることを示す。 即時反応のための高速動作サンプリング(FASTER)を提案し,この問題を克服する。
  論文  参考訳（メタデータ） (2026-03-19T17:51:37Z)
• SpecFuse: A Spectral-Temporal Fusion Predictive Control Framework for UAV Landing on Oscillating Marine Platforms [6.921143850808118]
  周波数領域の時間-時間波分解を統合した新しいスペクトル融合フレームワークを提案する。 複雑なキャリブレーションに頼ることなく、IMUデータを介してリアルタイムに予測を洗練する。 3.2cmの予測誤差、4.46cmの着陸偏差、98.7% / 87.5%の成功率(2000/実世界)、82msの組込みハードウェアの遅延を達成し、44%-48%の精度で最先端の手法より優れている。
  論文  参考訳（メタデータ） (2026-02-17T15:03:05Z)
• Event-based high temporal resolution measurement of shock wave motion field [16.853658330080428]
  高分解能衝撃波動パラメータの高精度測定は、電界試験や損傷評価などの応用に不可欠である。 これらの課題に対処するために、複数のイベントカメラを用いて衝撃波の非対称性を推定する新しい枠組みを提案する。 実験により, 空間分解能と時間分解能の両方で衝撃波運動場を高精度に測定できることが実証された。
  論文  参考訳（メタデータ） (2025-12-27T05:37:18Z)
• Time-Domain Linear Model-based Framework for Passive Acoustic Mapping of Cavitation Activity [4.219150964619931]
  パッシブ・アコースティック・マッピングにより空間マッピングと時間モニタリングが可能となる。 従来のビームフォーミング法は、基準放出開始時間がないため、軸方向分解能が限られている。 時間領域で完全に定式化された線形演奏モデルに基づくビームフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-25T17:48:04Z)
• A Unified Frequency Domain Decomposition Framework for Interpretable and Robust Time Series Forecasting [81.73338008264115]
  時系列予測の現在のアプローチは、時間領域であれ周波数領域であれ、主に線形層やトランスフォーマーに基づいたディープラーニングモデルを使用する。 本稿では,多種多様な時系列を数学的に抽象化する統合周波数領域分解フレームワークFIREを提案する。 火は長期予測ベンチマークで最先端のモデルを一貫して上回る。
  論文  参考訳（メタデータ） (2025-10-11T09:59:25Z)
• Physics-informed waveform inversion using pretrained wavefield neural operators [9.048550821334116]
  フルウェーブフォームインバージョン(FWI)は高分解能地下モデルの再構築に不可欠である。 学習波動場ニューラル演算子を用いてFWIを加速する最近の試みは、効率と微分可能性の有望性を示している。 ニューラル演算子に基づくFWIの効率を維持しつつ、精度の反転を高める新しい物理インフォームドFWIフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-10T19:57:18Z)
• Event Signal Filtering via Probability Flux Estimation [58.31652473933809]
  イベントは、非同期センシングを通じてシーンダイナミクスをキャプチャするための新しいパラダイムを提供するが、その固有のランダム性は、しばしば劣化した信号品質につながる。 したがって、イベント信号フィルタリングは、この内部ランダム性を低減し、多様な取得条件をまたいだ一貫した出力を確保することで、忠実性を高めるために不可欠である。 本稿ではイベント密度フローフィルタ(EDFilter)と呼ばれる生成オンラインフィルタリングフレームワークを紹介する。 実験では、イベントフィルタリング、スーパーレゾリューション、イベントベースの直接追跡といったタスクでEDFilterのパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-04-10T07:03:08Z)
• 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)
• 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)

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。