MétaCan
Menu
Retour à la cohorte
Enregistrement W4386954185 · doi:10.1115/omae2023-104936

Offset-Free Tracking Control for a Marine Autonomous Surface Ship

2023· article· en· W4386954185 sur OpenAlexaff
Tanjil Islam, Syed Imtiaz, Salim Ahmed, Mohammad N. Islam, Hasanat Zaman, Robert Gash

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdaptive Control of Nonlinear Systems
Établissements canadiensNational Research Council CanadaCommunity Sector Council Newfoundland and LabradorMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésOffset (computer science)Control theory (sociology)TrajectoryModel predictive controlComputer scienceController (irrigation)YawControl systemEngineeringControl engineeringControl (management)Automotive engineering

Résumé

récupéré en direct d'OpenAlex

Abstract The importance of autonomous surface vessels is increasing day by day because of more and more missions and safety concerns. An offset-free control system is essential for a Marine Autonomous Surface Ship (MASS) to follow its desired trajectory. The position, yaw angles, and desired velocity are the main parameters that need to be controlled precisely to keep the ship on course in the presence of environmental disturbances. In this current research, we propose an advanced control system for surface vessels that is versatile and can achieve a broad range of operational objectives while obeying safety constraints. A Nonlinear Model Predictive Control (NMPC) is the heart of our proposed system. The NMPC solves a quadratic optimization problem and dynamically calculates the control actions considering the safety constraints of the vessel. The conventional way of calculating the yaw angle and the line-of-sight guidance method for the same are compared when the trajectory tracking results are simulated in the presence of disturbances to test the performance of the controller. Such controllers are expected to provide substantial benefits by providing less operational cost, enhanced safety, and efficiency.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,747
Score d'incertitude au seuil0,703

Scores Codex et Gemma par catégorie

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

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 Opus0,026
Tête enseignante GPT0,239
Écart entre enseignants0,214 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdaptive Control of Nonlinear SystemsTravaux en français237 207