基于前馈神经网络的港口操纵动态模型辨识数据增强方法

用于自动靠离泊控制器的动态模型须估计港口操纵，包括靠泊、离泊、驶近泊位以及进出港口。当通过系统辨识估计动态模型时，需要大量试验或试航来测量港口操纵的各种运动。然而，由于全尺度船舶试航成本高且耗时，可获取的数据量有限。本文通过引入数据增强改善了用于自动靠离泊控制器的动态模型的泛化性能。本研究采用切片与抖动作为数据增强方法，并利用自由航行模型试验通过数值实验确认了其有效性。数值实验中动态模型由基于神经网络的模型表示。数值实验结果表明切片与抖动是有效的数据增强方法，但无法改善原数据集外推状态下的泛化性能。