論文の概要: Acoustic prediction of flowrate: varying liquid jet stream onto a free surface

• arxiv url: http://arxiv.org/abs/2006.09016v1
• Date: Tue, 16 Jun 2020 09:29:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-20 21:51:09.352306
• Title: Acoustic prediction of flowrate: varying liquid jet stream onto a free surface
• Title（参考訳）: 流れの音響予測:自由表面への様々な液体噴流
• Authors: Balamurali B T, Edwin Jonathan Aslim, Yun Shu Lynn Ng, Tricia Li, Chuen Kuo, Jacob Shihang Chen, Dorien Herremans, Lay Guat Ng, Jer-Ming Chen
• Abstract要約: 流れの異なる水噴流の音を水プールに流し込み,流れや流れの軌跡を予測する。 2つのアプローチが採用されている: 1つは、収集された音から抽出された音声特徴を用いて訓練された機械学習モデルを使用して、流速を予測する。 ここでは,2つの手法が実際の流れとよく一致し,流れの軌跡を正確に予測する上で同等の性能を示すことを示す。
• 参考スコア（独自算出の注目度）: 6.21148336038605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Information on liquid jet stream flow is crucial in many real world applications. In a large number of cases, these flows fall directly onto free surfaces (e.g. pools), creating a splash with accompanying splashing sounds. The sound produced is supplied by energy interactions between the liquid jet stream and the passive free surface. In this investigation, we collect the sound of a water jet of varying flowrate falling into a pool of water, and use this sound to predict the flowrate and flowrate trajectory involved. Two approaches are employed: one uses machine-learning models trained using audio features extracted from the collected sound to predict the flowrate (and subsequently the flowrate trajectory). In contrast, the second method directly uses acoustic parameters related to the spectral energy of the liquid-liquid interaction to estimate the flowrate trajectory. The actual flowrate, however, is determined directly using a gravimetric method: tracking the change in mass of the pooling liquid over time. We show here that the two methods agree well with the actual flowrate and offer comparable performance in accurately predicting the flowrate trajectory, and accordingly offer insights for potential real-life applications using sound.
• Abstract（参考訳）: 液体噴流の流れに関する情報は多くの実世界の応用において重要である。 多くの場合、これらの流れは直接自由表面(例えばプール)に落下し、水しぶきを伴う水しぶきを発生させる。 発生する音は、液体噴流と受動自由表面とのエネルギー相互作用によって供給される。 本研究では,水プールに落下する流量の異なる水噴流の音を収集し,この音を用いて流量と流量の軌跡を予測した。 ひとつは、収集した音から抽出した音声特徴を用いてトレーニングされた機械学習モデルを使用して、フローレート(とフローレートの軌跡)を予測する。 対照的に、第2の方法は、液体-液体相互作用のスペクトルエネルギーに関する音響パラメータを直接使用し、流路を推定する。 しかし、実際の流量は重力法で直接決定される: プール液体の質量の変化を時間とともに追跡する。 ここでは,2つの手法が実際の流れとよく一致し,流れの軌跡を正確に予測する上で同等の性能を示し,音を用いた潜在的現実的応用に対する洞察を提供する。

関連論文リスト

• Consistency Flow Matching: Defining Straight Flows with Velocity Consistency [97.28511135503176]
  本稿では,速度場の自己整合性を明示する新しいFM法であるConsistency Flow Matching(Consistency-FM)を紹介する。 予備実験により、一貫性FMは、一貫性モデルよりも4.4倍速く収束することにより、トレーニング効率を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-07-02T16:15:37Z)
• Optimal Flow Matching: Learning Straight Trajectories in Just One Step [89.37027530300617]
  我々は,新しいtextbf Optimal Flow Matching (OFM) アプローチを開発し,理論的に正当化する。 これは2次輸送のための直列のOT変位をFMの1ステップで回復することを可能にする。 提案手法の主な考え方は,凸関数によってパラメータ化されるFMのベクトル場の利用である。
  論文  参考訳（メタデータ） (2024-03-19T19:44:54Z)
• Flow Dynamics Correction for Action Recognition [43.95003560364798]
  我々は,光学的フローに依存する既存の動作認識モデルが,補正された光学的フローによって性能を向上できることを示す。 最適な光学的フロー特徴のみを選択することで,修正されたフローダイナミクスを簡単なステップで一般的なモデルに統合する。
  論文  参考訳（メタデータ） (2023-10-16T04:49:06Z)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [52.25258289718559]
  本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。 任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• Forecasting subcritical cylinder wakes with Fourier Neural Operators [58.68996255635669]
  実験によって測定された速度場の時間的変化を予測するために,最先端の演算子学習手法を適用した。 その結果、FNOはレイノルズ数の範囲で実験速度場の進化を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2023-01-19T20:04:36Z)
• An Efficient Drifters Deployment Strategy to Evaluate Water Current Velocity Fields [11.101787494674388]
  水流の予測は生態系を理解するのに不可欠であり、地球規模の気候環境における海洋の役割に光を当てるのに不可欠である。 本稿では,流速場を反映する要素の軌道を補間することにより,流路予測にラグランジアンフロートを用いた水流予測の一般的な手法を検討する。 ここでは、これまで解決されていない重要な側面として、最初にドリフトする要素を配置し、取得した速度場が水の流れを効率的に表すようにすることが挙げられる。
  論文  参考訳（メタデータ） (2023-01-10T21:33:47Z)
• Probing flux and charge noise with macroscopic resonant tunneling [45.36850110238202]
  我々は,初期井戸の低エネルギー状態から地中への非コヒーレントトンネルの速度を測定した。 本研究では, フラックスおよび荷電騒音に関する情報を1つの実験装置で抽出できる理論モデルを構築した。
  論文  参考訳（メタデータ） (2022-10-04T16:15:34Z)
• StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
  将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。 本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。 本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
  論文  参考訳（メタデータ） (2022-07-21T12:03:02Z)
• Learning to Estimate and Refine Fluid Motion with Physical Dynamics [9.258258917049845]
  流体流量推定のための教師なし学習に基づく予測補正手法を提案する。 推定はまずPDE制約の光フロー予測器によって与えられ、次に物理ベースの補正器によって洗練される。 提案手法は,地上の真理情報が効果的に理解できない複雑な実世界の流体シナリオに一般化することができる。
  論文  参考訳（メタデータ） (2022-06-21T15:46:49Z)
• Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
  変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。 我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。 ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
  論文  参考訳（メタデータ） (2022-02-23T13:38:31Z)
• Turbulent scalar flux in inclined jets in crossflow: counter gradient transport and deep learning modelling [0.0]
  負の乱流拡散現象に先行する乱流スカラー混合層の研究 レイノルズ応力をモデル化するために以前に開発されたテンソルベースニューラルネットワークを適用した乱流スカラーフラックスの深層学習手法 その結果, 単純なモデルに比べ, 特に乱流混合において, クロスグラディエント効果が重要な役割を担っている場合において, 顕著な改善が見られた。
  論文  参考訳（メタデータ） (2020-01-14T03:02:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。