.png){kind=icon}
返回
Discovering ship maneuvering models from data
.png){kind=icon}
OA
AI
DOI：10.1007/s00773-024-01045-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文中，我们介绍了一种基于Wide-Array of Nonlinear Dynamics Approximation (WyNDA)框架的数据驱动船舶操纵模型发现方法。WyNDA通过利用基函数和估计算法来识别船舶操纵行为。具体而言，我们采用离散时间指数遗忘因子观测器，以精确估计操纵模型中固有的结构和参数。通过大量的数值仿真，我们验证了所提出方法在解决该领域的系统辨识和数据驱动发现问题上的有效性。此外，我们评估了该方法在噪声水平和系统激励方面的鲁棒性。本研究为推进数据驱动的船舶操纵动力学发现做出了贡献，并为需要精确建模的应用提供了实用工具。
Keyword:
Ship dynamics
Maneuvering models
Data-driven discovery
期刊
IF:
2
论文数:
124
被引数:
2.7K
机构
引用论文
Ship maneuvering model optimization for improved identification with less excitation为减少激励提高识别精度的船舶操纵模型优化
OAAI
OAAI分享收藏Discovering governing equations from data by sparse identification of nonlinear dynamical systems通过非线性动力系统的稀疏识别从数据中发现控制方程OAAI
OAAI分享收藏分享收藏WyNDA: A method to discover mathematical models of dynamical systems from dataWyNDA: 一种从数据中发现动态系统数学模型的方法.png)
MethodsXOAAI
MethodsXIF0
OAAI分享收藏
查看更多内容