Catalogus

Zoeken

Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.

Boekenmand

Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).

RSS

Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.

log in

Publicaties | Kaarten

nieuwe zoekopdracht

[ meld een fout in dit record ]

mandje (1): toevoegen | toon

---

one publication added to basket [396586]

Manoeuvring in shallow and confined water with model predictive track controllers Eloot, K.; Mansuy, M. (2024). Manoeuvring in shallow and confined water with model predictive track controllers. Journal of Physics: Conference Series 2867: 012021. https://dx.doi.org/10.1088/1742-6596/2867/1/012021 In: Journal of Physics: Conference Series. IOP Publishing: Bristol. ISSN 1742-6588; e-ISSN 1742-6596, meer

---

Beschikbaar in	Auteurs
Waterbouwkundig Laboratorium: Open Repository 409947 [ OWA ]
Documenttype: Congresbijdrage

---

Trefwoorden

Harbours and waterways > Manoeuvring behaviour > Autonomous navigation Simulations

---

Project	Top | Auteurs
cSBO - DD SHIP, meer

---

Auteurs		Top
Eloot, K., meer Mansuy, M., meer

---

Abstract

Autonomous and computer-assisted navigation, for example through portable pilot units and data-driven decision supportive systems, is in full development. Remote-controlled vessels (manned but without a captain steering continuously on board) are used in Belgium (by Seafar in inland shipping) but also in other countries. A model predictive controller has been used to investigate environmental and operational parameters for the passage of the river Seine in Paris by different ship types. These fast-time simulations have been compared with simulations in real time executed by skippers on a ship manoeuvring simulator or measured real life tracks. A good predictability of the real situation requires accurate manoeuvring models. But what if this accuracy cannot be guaranteed? An illustration is made by comparing the tracks if, in the prescience prediction phase for the controller, wind or bank effects are neglected or doubled. The development of model predictive deep reinforcement learning control algorithms for navigation will be one of the challenges of the Data-driven Smart Shipping project that started May 2024.

---

Alle informatie in het Integrated Marine Information System (IMIS) valt onder het VLIZ Privacy beleid

Top | Auteurs