Core Concepts
無人水上艇の運動姿勢を正確に予測するために、CEEMDAN-PSO-SVMハイブリッドモデルを提案した。このモデルは、CEEMDANによる信号分解と、PSO最適化SVMによる予測を組み合わせることで、従来モデルよりも高精度な予測を実現している。
Abstract
本研究では、無人水上艇の運動姿勢予測に取り組んでいる。
まず、波浪理論に基づいて無人水上艇の運動モデルを導出し、シミュレーションによって運動姿勢データを生成した。
次に、CEEMDAN(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)を用いて、この運動姿勢データを固有モード関数(IMF)と残差成分に分解した。これにより、非線形かつ非定常な運動姿勢データを安定した成分に分解することができる。
その後、各IMFおよび残差成分について、PSO(Particle Swarm Optimization)アルゴリズムによってパラメータ最適化されたSVMモデルを構築し、個別に予測を行った。最後に、各予測結果を統合することで、最終的な無人水上艇の運動姿勢を予測した。
実験の結果、提案したCEEMDAN-PSO-SVMモデルは、従来のEMD-PSO-SVMモデルやCEEMDAN-SVMモデルと比較して、平均絶対誤差が17%および43%改善されるなど、優れた予測性能を示した。このことから、本手法が無人水上艇の運動姿勢を高精度に予測できることが確認された。
Stats
無人水上艇の運動姿勢データを用いた実験では、提案手法のCEEMDAN-PSO-SVMモデルが平均絶対誤差(MAE)で0.0154を達成し、従来手法よりも17%改善された。
Quotes
"本研究では、無人水上艇の運動姿勢を正確に予測するために、CEEMDAN-PSO-SVMハイブリッドモデルを提案した。"
"実験の結果、提案したCEEMDAN-PSO-SVMモデルは、従来のEMD-PSO-SVMモデルやCEEMDAN-SVMモデルと比較して、平均絶対誤差が17%および43%改善された。"