基于控制的物理信息神经网络模型化潜水器
机器学习
2025-04-29 v1 人工智能
机器人学
摘要
物理信息神经网络（Physics-Informed Neural Networks, PINNs）将物理规律与数据驱动模型相结合，以提高泛化能力和样本效率。本 work 提出了一个针对潜水器动力学的开源 PINC（Physics-Informed Neural Network with Control）框架实现。利用初始状态、控制动作和时间输入，PINC 扩展了 PINN，使其能够在训练域之外实现物理一致的状态转移。我们测试了 various PINC 配置，包括不同的损失函数、梯度加权方案和超参数。仿真潜水器的验证结果表明，与非物理信息基线方法相比，PINC 在长期预测中具有更高的准确性。
引用
@article{arxiv.2504.20019,
title = {Modelling of Underwater Vehicles using Physics-Informed Neural Networks with Control},
author = {Abdelhakim Amer and David Felsager and Yury Brodskiy and Andriy Sarabakha},
journal= {arXiv preprint arXiv:2504.20019},
year = {2025}
}
备注
This paper has been accepted for presentation at the International Joint Conference on Neural Networks (IJCNN) 2025. The final version consists of 8 pages