Core Concepts
CEEMDAN, PSO 및 SVM을 결합한 하이브리드 모델을 사용하여 무인 수상 선박의 운동 자세를 효과적으로 예측할 수 있다.
Abstract
이 논문은 무인 수상 선박의 운동 자세 예측 문제를 다루고 있다. 무인 수상 선박은 복잡하고 불안정한 운동 자세를 보이므로, 안정적인 플랫폼 보상의 정확도가 낮다. 이를 해결하기 위해 "분해-예측" 접근 방식의 하이브리드 예측 모델을 제안한다.
첫째, CEEMDAN을 사용하여 원래의 운동 자세 데이터를 분해하여 여러 개의 고유 모드 성분과 1개의 잔여 성분을 얻는다. 그 다음 각 고유 모드 성분을 개별적으로 SVM 모델에 입력하여 예측하고, PSO를 사용하여 SVM 매개변수를 최적화한다. 마지막으로 예측된 고유 모드 성분들을 결합하여 최종 예측 결과를 얻는다.
실험 결과, 제안된 CEEMDAN-PSO-SVM 모델이 기존의 EMD-PSO-SVM 및 CEEMDAN-SVM 모델에 비해 평균 절대 오차 기준으로 각각 17%와 43% 향상된 예측 성능을 보였다. 따라서 이 논문에서 채택한 하이브리드 예측 모델은 무인 수상 선박 운동 자세 예측에 더 나은 성능과 높은 정확도를 제공한다.
Stats
무인 수상 선박의 횡동요 운동 응답은 다음과 같이 표현된다:
1
( )
2
(
)
cos(
)
n
x
k
k
k
k
R t
S
t
=
여기서
(
)
k
S
는 횡동요 에너지 스펙트럼 주파수 함수이고,
k
는 k번째 조우 파 진동 주파수,
k
는 초기 위상각이다.
Quotes
"CEEMDAN, PSO 및 SVM을 결합한 하이브리드 모델을 사용하여 무인 수상 선박의 운동 자세를 효과적으로 예측할 수 있다."