Reiner, CarlCarlReinerDetlefsen, OleOleDetlefsenAbdel-Maksoud, MoustafaMoustafaAbdel-Maksoud2022-07-052022-07-052022-0632nd International Ocean and Polar Engineering Conference (ISOPE 2022)http://hdl.handle.net/11420/13019Im Rahmen des Verbundprojekts RetroLadung werden gewichtsoptimierte Containerstaugerüste mit integrierten Bewegungssensoren und datengesteuerten Entscheidungsunterstützungssystemen (DSS) entwickelt. Eine Grundfunktionalität des DSS ist die Schätzung von Seegangszuständen auf der Basis von Messdaten von Beschleunigungssensoren. Für diese Aufgabe wird ein neuronales Netz (CNN) erstellt und mit Simulationsdaten trainiert. In diesem Beitrag wird die frühe Entwicklungsphase des Netzes vorgestellt, in der unimodale, kurzkämmige Seegänge, die mit JONSWAP-Spektren beschrieben werden, betrachtet werden. Dabei wird eine Vorausgeschwindigkeit ausgeschlossen. Das Institut für Fluiddynamik und Schiffstheorie (FDS) führt Modelltankversuche durch, deren Ergebnisse zur Validierung der Vorhersagen der Seegangsabschätzung (SSE) verwendet werden.Within the Joint Research Project RetroLadung, weight-optimized cell guides with integrated motion sensors and data-driven decision support systems (DSS) are developed. A basic functionality of the DSS is the estimation of sea states based on measurement data from acceleration sensors. A convolutional neural network (CNN) is created for this task and trained with simulation data. This paper presents the early development stage of the network during which unimodal, short-crested seas described with JONSWAP spectra are considered. Thereby, the forward speed is excluded. Model tank tests are conducted by the Institute for Fluid Dynamics and Ship Theory (FDS) and results are used to validate the predictions of the sea state estimation (SSE).enSea state estimationTechnikIngenieurwissenschaftenConference PaperOther