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 (0): toevoegen | toon

---

Ship manoeuvring model parameter identification using intelligent machine learning method and the beetle antennae search algorithm Chen, C.; Tello Ruiz, M.; Delefortrie, G.; Mansuy, M.; Mei, T.; Vantorre, M. (2019). Ship manoeuvring model parameter identification using intelligent machine learning method and the beetle antennae search algorithm, in: ASME 2019 38th International Conference on Ocean, Offshore and Arctic Engineering - Volume 7B: Ocean Engineering. pp. [1-9]. https://dx.doi.org/10.1115/OMAE2019-95565 In: (2019). ASME 2019 38th International Conference on Ocean, Offshore and Arctic Engineering - Volume 7B: Ocean Engineering. ASME: [s.l.]. ISBN 978-0-7918-5885-1. , meer

---

Beschikbaar in	Auteurs
Waterbouwkundig Laboratorium: Non-open access 335808 [ aanvragen ] VLIZ [ aanvragen ]
Documenttype: Congresbijdrage

---

Author keywords

Ship motions model; NLSSVM; BAS; Parameter identification

---

Auteurs		Top
Changyuan, C. Tello Ruiz, M., meer Delefortrie, G., meer	Mansuy, M., meer Mei, T. Vantorre, M., meer

---

Abstract

In order to identify more accurately and efficiently the unknown parameters of a ship motions model, a novel Nonlinear Least Squares Support Vector Machine (NLSSVM) algorithm, whose penalty factor and Radial Basis Function (RBF ) kernel parameters are optimised by the Beetle Antennae Search algorithm (BAS), is proposed and investigated. Aiming at validating the accuracy and applicability of the proposed method, the method is employed to identify the linear and nonlinear parameters of the first-order nonlinear Nomoto model with training samples from numerical simulation and experimental data. Subsequently, the identified parameters are applied in predicting the ship motion. The predicted results illustrate that the new NLSSVM-BAS algorithm can be applied in identifying ship motion’s model, and the effectiveness is verified. Compared among traditional identification approaches with the proposed method, the results display that the accuracy is improved. Moreover, the robust and stability of the NLSSVM-BAS are verified by adding noise in the training sample data.

---

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

Top | Auteurs