Diese Dissertation löst das Problem der Ableitung von vereinfachten Schiffsdynamikmodellen zur Verwendung in Manövrier-Simulationen. Das Problem wird zuerst durch die Modifikation und Vereinfachung eines vektoriellen Modells mit 6 Freiheitsgraden (DOF) zu einem 3 DOF-Modell mit einigen nachvollziehbaren Annahmen angegangen. Anschließend wird die auf dem Least Square Support Vector Regression Algorithm (LS-SVR) basierende Identifikationsmethode verwendet, um das 3-DOF-Modell zu identifizieren. Der Artificial Bee Colony Algorithm (ABC) wird zum Einstellen des Regularisierungsparameters von LS-SVR verwendet. Schließlich wird der Ansatz zur Modellierung der Schiffsdynamik basierend auf ABC-LSSVR evaluiert. Das weiter vereinfachte Modell zeigt eine höhere Genauigkeit als die Nomoto-Modelle erster Ordnung für zwei Schiffe. ABC-LSSVR erbringt eine bessere Leistung und seine Komplexitätsanalyse ist konsistent mit den Bewertungsergebnissen, dass die Zeitberechnung sich erhöht mit der Erhöhung der Anzahl der Proben. <dt.>
This thesis solves the problem of how to derive a simplistic model feasible for describing vessel dynamics for maneuvering simulations. First, a 6 degrees of freedom (DOF) complex vectorial model is modified to a 3 DOF model with four terms for capturing surge motions and five terms for steering motions via several pieces of reasonable assumptions and case studies. Afterward, the least square support vector regression algorithm (LS-SVR) based identification method in combination with full-scale trail tests is adopted to identify the 3 DOF model. The artificial bee colony algorithm (ABC) is used to tune the regularization parameter of LS-SVR. Finally, the ship dynamics modeling approach based on ABC-LSSVR is evaluated. The further simplified model shows expected accuracy for capturing dynamics of two vessels. ABC-LSSVR performs superiorly and its complexity analysis is consistent with the evaluation results that the cost time increases with the increase of the number of samples. <engl.>
IEEE International Conference on Control Science and Systems Engineering (3. : 2017 : Peking) 2017 3rd IEEE International Conference on Control Science and Systems Engineering (ICCSSE) Piscataway, NJ : IEEE Press, 2017 (2017), Seite 743-750 1 Online-Ressource
