Prediction of Unmanned Surface Vessel Motion Attitude Based on CEEMDAN-PSO-SVM

要約

無人ボートは海上を航行する際、搭載された計器や機器が受ける波の乱れを軽減するためにアクティブ補償システムを利用します。
しかし、無人ボートの姿勢の測定には遅れが存在するため、信号取得プロセスの遅れを補償するために無人ボートの運動姿勢予測が導入されます。
この論文は、波の基本原理に基づいて、波のエネルギースペクトルから無人ボート上の波の擾乱パターンを導き出します。
無人ボートの運動姿勢をシミュレーション解析することで運動姿勢データを取得し、その後の作業に実験データを提供します。
適応ノイズによる完全アンサンブル経験的モード分解 (CEEMDAN)、粒子群最適化 (PSO)、およびサポート ベクター マシン (SVM) に基づく組み合わせ予測モデルは、無人ボートの運動姿勢を予測するように設計されています。
シミュレーション結果は、従来の予測モデルと比較してその優れた予測精度を検証します。
たとえば、平均絶対誤差に関しては、EMD-PSO-SVM モデルと比較して 17% 改善されています。

要約(オリジナル)

Unmanned boats, while navigating at sea, utilize active compensation systems to mitigate wave disturbances experienced by onboard instruments and equipment. However, there exists a lag in the measurement of unmanned boat attitudes, thus introducing unmanned boat motion attitude prediction to compensate for the lag in the signal acquisition process. This paper, based on the basic principles of waves, derives the disturbance patterns of waves on unmanned boats from the wave energy spectrum. Through simulation analysis of unmanned boat motion attitudes, motion attitude data is obtained, providing experimental data for subsequent work. A combined prediction model based on Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN), Particle Swarm Optimization (PSO), and Support Vector Machine (SVM) is designed to predict the motion attitude of unmanned boats. Simulation results validate its superior prediction accuracy compared to traditional prediction models. For example, in terms of mean absolute error, it improves by 17% compared to the EMD-PSO-SVM model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google