基于人工神经网络与船舶响应谱数据的海况估计响应分量分析
机器学习
2025-08-13 v2 人工智能
信号处理
摘要
使用“船舶作为波浪浮标类比”(SAWB)提供了一种估计海况的新方法，该方法在因果波浪特性与船舶运动响应信息之间建立关系。本研究聚焦于一种基于SAWB的海况估计(SSE)的无模型机器学习方法，利用神经网络(NNs)将船舶响应谱数据映射为小型无人水面艇的统计波浪特性。结果表明，垂荡响应与有效波高估计之间存在强相关性，而当利用多个船舶自由度(DOFs)的数据时，平均波周期与波浪传播方向的预测精度显著提升。总体而言，用于SSE的3-DOF(垂荡、纵摇和横摇)神经网络与使用类似仿真设置的现有SSE方法相比表现良好。使用小型船舶进行SAWB的一个优势在于，即便运动响应较低(在高频、低波高海况下)，SSE精度依然合理。鉴于船舶运动响应以谱形式的密集统计表示，以及NNs有效建模变量间复杂关系的能力，所设计的SSE方法在将来适配于使用SAWB方法的移动式SSE系统方面展现出前景。
引用
@article{arxiv.2205.02375,
title = {Response Component Analysis for Sea State Estimation Using Artificial Neural Networks and Vessel Response Spectral Data},
author = {Nathan K. Long and Daniel Sgarioto and Matthew Garratt and Karl Sammut},
journal= {arXiv preprint arXiv:2205.02375},
year = {2025}
}
备注
Preprint revised