論文の概要: Inverse Aerodynamic Design of Gas Turbine Blades using Probabilistic Machine Learning

• arxiv url: http://arxiv.org/abs/2108.10163v1
• Date: Tue, 17 Aug 2021 19:19:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-29 12:11:23.401673
• Title: Inverse Aerodynamic Design of Gas Turbine Blades using Probabilistic Machine Learning
• Title（参考訳）: 確率的機械学習によるガスタービン翼の逆空力設計
• Authors: Sayan Ghosh, Govinda A. Padmanabha, Cheng Peng, Steven Atkinson, Valeria Andreoli, Piyush Pandita, Thomas Vandeputte, Nicholas Zabaras, and Liping Wang
• Abstract要約: タービンブレードの設計には、空力効率、耐久性、安全性、製造といった複数の側面を考慮する必要がある。 これらのイテレーションの反動の性質のため、データを蓄積する努力はほとんど行われていない。 本研究では,確率論的逆設計機械学習フレームワーク(PMI)を実証し,明示的な逆設計を行う。
• 参考スコア（独自算出の注目度）: 6.45413271487734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the critical components in Industrial Gas Turbines (IGT) is the turbine blade. Design of turbine blades needs to consider multiple aspects like aerodynamic efficiency, durability, safety and manufacturing, which make the design process sequential and iterative.The sequential nature of these iterations forces a long design cycle time, ranging from several months to years. Due to the reactionary nature of these iterations, little effort has been made to accumulate data in a manner that allows for deep exploration and understanding of the total design space. This is exemplified in the process of designing the individual components of the IGT resulting in a potential unrealized efficiency. To overcome the aforementioned challenges, we demonstrate a probabilistic inverse design machine learning framework (PMI), to carry out an explicit inverse design. PMI calculates the design explicitly without excessive costly iteration and overcomes the challenges associated with ill-posed inverse problems. In this work, the framework will be demonstrated on inverse aerodynamic design of three-dimensional turbine blades.
• Abstract（参考訳）: 産業用ガスタービン(IGT)の重要な部品の1つはタービンブレードである。 タービンブレードの設計には, 空気力学的効率, 耐久性, 安全性, 製造などの複数の側面を考慮し, 設計過程を逐次かつ反復的に行う必要がある。 これらのイテレーションの反動的な性質のため、設計スペース全体の深い探索と理解を可能にする方法でデータを蓄積する努力はほとんど行われていない。 これはIGTの個々のコンポーネントを設計する過程で実証され、結果として潜在的な非現実的効率をもたらす。 上記の課題を克服するため,確率的逆設計機械学習フレームワーク(PMI)を実証し,明示的な逆設計を行う。 PMIは、過度なコストの反復なしに設計を明示的に計算し、不適切な逆問題に関連する課題を克服する。 本研究では,三次元タービン翼の逆空力設計について,その枠組みを実証する。

関連論文リスト

• Equipment Health Assessment: Time Series Analysis for Wind Turbine Performance [1.533848041901807]
  各種風力タービンのSCADAデータを利用して出力を予測する。 重要なイノベーションは、FNNとLSTMモデルのアンサンブルであり、それらの集合的学習に乗じている。 風力タービンの性能劣化を検知するために機械学習技術が適用され、アクティブなメンテナンス戦略が実現された。
  論文  参考訳（メタデータ） (2024-03-01T20:54:31Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Deep learning modelling of manufacturing and build variations on multi-stage axial compressors aerodynamics [0.0]
  本稿では,多段軸圧縮機の流れ場および空力特性予測のためのディープラーニングフレームワークの開発と応用について述べる。 物理に基づく次元の減少は、流れ場予測の可能性を解き放つ。 提案アーキテクチャは,産業関連アプリケーションに対して,CFDベンチマークに匹敵する精度をリアルタイムに達成できることが証明されている。
  論文  参考訳（メタデータ） (2023-10-06T14:11:21Z)
• TurboViT: Generating Fast Vision Transformers via Generative Architecture Search [74.24393546346974]
  近年、視覚変換器は様々な視覚認知タスクに対処する上で、前例のないレベルの性能を示している。 近年,効率的な視覚変換器の設計に関する研究が盛んに行われている。 本研究では,生成型アーキテクチャサーチによる高速ビジョントランスフォーマーアーキテクチャの設計について検討する。
  論文  参考訳（メタデータ） (2023-08-22T13:08:29Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and A New Physics-Inspired Transformer Model [82.23276183684001]
  本研究では,大気乱流の画像化のための物理インスピレーション付き変圧器モデルを提案する。 提案ネットワークは変圧器ブロックのパワーを利用して動的乱流歪みマップを共同で抽出する。 そこで本研究では,従来の客観的指標と,テキスト認識精度を用いたタスク駆動計測の両方で評価可能な,実世界の乱流データセットを新たに2つ提示する。
  論文  参考訳（メタデータ） (2022-07-20T17:09:16Z)
• Modeling and Predicting Transistor Aging under Workload Dependency using Machine Learning [10.82757480889144]
  物理モデルに再現する機械学習モデルを提案する。 本研究では,ある回路からのデータをトレーニングし,ベンチマーク回路に適用することでモデルを一般化する能力を実証する。 この研究は、ファウントリーと回路設計者の間の広い湾を埋める方向への有望なステップである。
  論文  参考訳（メタデータ） (2022-07-08T21:52:29Z)
• Digital Twin Framework for Time to Failure Forecasting of Wind Turbine Gearbox: A Concept [0.0]
  風力タービンは複雑な機械であり、回転・非回転装置は故障に敏感である。 風力タービンの故障検出は、しばしば風力発電事業者から利用可能なSCADAデータで補完される。 時系列分析とデータ表現は、動的プロセスのより深い基盤となる強力なツールとなっている。
  論文  参考訳（メタデータ） (2022-04-28T05:51:48Z)
• Measuring Wind Turbine Health Using Drifting Concepts [55.87342698167776]
  風力タービンの健全性解析のための2つの新しい手法を提案する。 第1の方法は、比較的高低電力生産の減少または増加を評価することを目的とする。 第2の方法は抽出された概念の全体的ドリフトを評価する。
  論文  参考訳（メタデータ） (2021-12-09T14:04:55Z)
• Efficient pre-training objectives for Transformers [84.64393460397471]
  本研究はトランスフォーマーモデルにおける高効率事前学習目標について検討する。 マスクトークンの除去と損失時のアウトプット全体の考慮が,パフォーマンス向上に不可欠な選択であることを証明する。
  論文  参考訳（メタデータ） (2021-04-20T00:09:37Z)

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。