Detalhes bibliográficos
| Ano de defesa: |
2020 |
| Autor(a) principal: |
Moreno, Felipe Marino |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
eng |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/3/3152/tde-18052021-142324/
|
Resumo: |
With the increase of computational power, ship maneuvering simulations have become an important tool to improve the safety of the operations carried at the sea. In this context, one of the most important categories of simulations made by the Numerical Offshore Tank (TPN-USP) is the Real-Time simulations, carried out in a Virtual Reality environment at the same time scale as a real maneuver. These simulations are used to evaluate maritime maneuvers\' risks and viability, but since they take a long time, only a few can be made per day. This work focuses on applying machine learning to create a tool for the TPN-USP maritime simulator that will be used to choose environmental conditions of wind, currents, local sea waves and swell for these simulations. |
