关于动态模态分解在波浪中航行船舶时间序列预测中的应用
动力系统
2022-11-08 v3 流体动力学
摘要
为保障载荷、船员和结构的安全，船舶即使在恶劣海况下也须具备良好的耐波性、操纵性和结构响应性能。在此背景下，可用于模型预测控制方法的预测方法的可用性可能成为一个决定性因素。本文提出了一种基于动态模态分解（DMD）的数据驱动、无方程的建模方法，用于预测波浪中船舶的轨迹、运动和受力。DMD是一种数据驱动建模方法，它通过一组具有关联频率的模态，提供可能非线性系统动态的线性有限维表示。其在波浪中航行船舶上的应用鲜有讨论，且在此背景下对其预测能力的系统性分析仍属必要。本文针对波浪中船舶的DMD预测能力给出了统计分析，包括标准DMD和增广DMD。该统计评估使用多条时间序列，研究了输入/输出波数、时间步长、时间导数，以及通过Hankel矩阵使用时间序列时移副本的影响。预测能力的评估基于四项指标：归一化均方根误差、Pearson相关系数、平均角度度量和归一化平均最小/最大绝对误差。评估使用了两个测试用例：自推进5415M船在不规则尾斜浪中的航向保持，以及自由航行自推进KRISO集装箱船在规则波中的回转圈。结果总体令人鼓舞，并表明状态增广（使用四到八个输入波、最多两个时间导数和四个时移副本）可将DMD预测能力提高到两个波遇周期以内……
引用
@article{arxiv.2207.04309,
title = {On the use of dynamic mode decomposition for time-series forecasting of ships operating in waves},
author = {Andrea Serani and Paolo Dragone and Frederick Stern and Matteo Diez},
journal= {arXiv preprint arXiv:2207.04309},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2105.13062 submitted to Ocean Engineering