MétaCan
Menu
Retour à la cohorte
Enregistrement W2561584218 · doi:10.1109/auv.2016.7778686

Risk analysis of an Autonomous Surface Craft for operation in harsh ocean environments

2016· article· en· W2561584218 sur OpenAlexafffund
Zhi Li, Ralf Bachmayer, Andrew Vardy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMemorial University of NewfoundlandAtlantic Canada Opportunities AgencyResearch and Development Corporation of Newfoundland and LabradorSuncor Energy Incorporated
Mots-clésCraftMarine engineeringComputer scienceEnvironmental scienceEngineeringGeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

Risk analysis of an Autonomous Surface Craft (ASC) is a very important subject since it is closely related to the safety of an ASC operating in harsh ocean environments. In this study, we provide a detailed analysis of the primary disturbance of ocean waves and its influence on an ASC's roll motion. A conventional decoupled nonlinear roll motion model has been chosen and through experiments the roll motion model parameters are successfully identified. Using this model, we perform extensive simulations under different assumed wave conditions. Our analysis is based on the well-known erosion basin technique in phase plane. The safe region proportion has been defined to serve as a safety criterion. Through analysis, we find out that the safety of an ASC operating in the ocean is related to the wave amplitude and wave encounter frequency. This relationship provides a useful reference for risk analysis of an ASC. The results provided can be regarded as guidelines for an ASC's safety determination, and thus they are planned to be integrated into an ASC for its self safety awareness. The presented method can also be extended to other medium-size or large marine vessels for their operational safety analysis.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,271
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,045
Tête enseignante GPT0,350
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRisk and Safety AnalysisTravaux en français237 207