Hybrid Physics-ML Modeling for Marine Vehicle Maneuvering Motions in the Presence of Environmental Disturbances

要約

環境擾乱の存在下でのモデリング能力と安定性に対処するために、地表車両の操縦運動に対してハイブリッド物理機械学習モデリング フレームワークが提案されています。
深層学習の観点から見ると、このフレームワークは、追加の特徴抽出を備えた残差ネットワークのバリアント バージョンに基づいています。
最初に、船舶の基本的な流体力学的特性を捕捉するために、不完全な物理モデルが導出され、特定されます。
このモデルは、残差ブロックを通じてフィードフォワード ネットワークと統合されます。
さらに、三角関数変換からの特徴抽出が機械学習コンポーネントで採用され、電流と波の周期的な影響が考慮されます。
提案された手法は、無人地上車両「JH7500」からの実際の航行データを使用して評価されます。
この結果は、特定の環境条件における非線形動的モデルの堅牢な一般化可能性と正確な長期予測機能を示しています。
このアプローチは、包括的な高忠実度シミュレータの開発に拡張および適用できる可能性があります。

要約(オリジナル)

A hybrid physics-machine learning modeling framework is proposed for the surface vehicles’ maneuvering motions to address the modeling capability and stability in the presence of environmental disturbances. From a deep learning perspective, the framework is based on a variant version of residual networks with additional feature extraction. Initially, an imperfect physical model is derived and identified to capture the fundamental hydrodynamic characteristics of marine vehicles. This model is then integrated with a feedforward network through a residual block. Additionally, feature extraction from trigonometric transformations is employed in the machine learning component to account for the periodic influence of currents and waves. The proposed method is evaluated using real navigational data from the ‘JH7500’ unmanned surface vehicle. The results demonstrate the robust generalizability and accurate long-term prediction capabilities of the nonlinear dynamic model in specific environmental conditions. This approach has the potential to be extended and applied to develop a comprehensive high-fidelity simulator.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google