可解释数据驱动的船舶动力学模型：通过参数优化提升基于物理的运动预测
系统与控制
2025-03-04 v2 机器人学
系统与控制
摘要
在船舶上部署自动导航系统需要针对 individual vessels 构建准确的运动预测模型。虽然基于物理的模型在水动力学原理上具有坚实基础，但往往无法准确预测实际条件下船舶的特定行为。相比之下，纯数据驱动模型虽具针对性，却缺乏可解释性和在边缘情况下的鲁棒性。本文提出一种数据驱动的物理模型，将物理方程与数据驱动参数优化相结合，充分利用两者的优势，以确保可解释性和适应性。该模型包含 3-DoF 动力学、舵机和螺旋桨力等物理组件，同时通过合成数据优化阻力曲线和舵机系数等参数。通过将领域知识嵌入参数优化过程中，拟合后的模型保持物理一致性。本研究通过两个集装箱船进行验证，定性和定量地将预测结果与真实轨迹进行比较。结果表明，数据驱动的物理模型在预测准确性和可靠性方面，相较于采用传统海洋工程实践调校的基于物理模型，显著优于基线模型。拟合后的模型能够在多样化条件下捕捉船舶的特定行为，其预测准确率提升了 51.6%（船舶 A）和 57.8%（船舶 B），一致性提升了 72.36%（船舶 A）和 89.67%（船舶 B）。
引用
@article{arxiv.2502.18696,
title = {Interpretable Data-Driven Ship Dynamics Model: Enhancing Physics-Based Motion Prediction with Parameter Optimization},
author = {Christos Papandreou and Michail Mathioudakis and Theodoros Stouraitis and Petros Iatropoulos and Antonios Nikitakis and Stavros Paschalakis and Konstantinos Kyriakopoulos},
journal= {arXiv preprint arXiv:2502.18696},
year = {2025}
}