論文の概要: Soft and Hard Constrained Parametric Generative Schemes for Encoding and Synthesizing Airfoils

• arxiv url: http://arxiv.org/abs/2205.02458v1
• Date: Thu, 5 May 2022 05:58:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-06 15:32:07.883315
• Title: Soft and Hard Constrained Parametric Generative Schemes for Encoding and Synthesizing Airfoils
• Title（参考訳）: ソフトでハードな制約付きパラメトリック生成スキームによる翼の符号化と合成
• Authors: Hairun Xie, Jing Wang and Miao Zhang
• Abstract要約: 特定の制約の下での複雑な設計空間を表現するために、2つのパラメトリック生成スキームが提案されている。 統計的結果は、再構成された翼は、余分なフィルターを使わずに正確で滑らかであることを示している。
• 参考スコア（独自算出の注目度）: 25.546237636065182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional airfoil parametric technique has significant limitation in modern aerodynamic optimization design.There is a strong demand for developing a parametric method with good intuitiveness, flexibility and representative accuracy. In this paper, two parametric generative schemes based on deep learning methods are proposed to represent the complicate design space under specific constraints. 1. Soft-constrained scheme: The CVAE-based model trains geometric constraints as part of the network and can provide constrained airfoil synthesis; 2. Hard-constrained scheme: The VAE-based model serves to generate diverse airfoils, while an FFD-based technique projects the generated airfoils to the final airfoils satisfying the given constraints. The statistical results show that the reconstructed airfoils are accurate and smooth without extra filters. The soft constrained scheme tend to synthesize and explore airfoils efficiently and effectively, concentrating to the reference airfoil in both geometry space and objective space. The constraints will loose for a little bit because the inherent property of the model. The hard constrained scheme tend to generate and explore airfoils in a wider range for both geometry space and objective space, and the distribution in objective space is closer to normal distribution. The synthesized airfoils through this scheme strictly conform with constraints, though the projection may produce some odd airfoil shapes.
• Abstract（参考訳）: 従来の翼パラメトリック技術は, 空気力学的最適化設計において大きな限界があり, 直感性, 柔軟性, 代表精度のよいパラメトリック手法の開発には強い需要がある。 本稿では,特定の制約下での複雑な設計空間を表現するために,深層学習法に基づく2つのパラメトリック生成スキームを提案する。 1.ソフト制約スキーム:CVAEベースのモデルは、ネットワークの一部として幾何学的制約を訓練し、制約付き翼合成を提供する。 2. ハード制約スキーム: VAEベースのモデルは多様な翼を生成するのに役立ち、FFDベースの技術は、生成された翼を所定の制約を満たす最終翼に投射する。 統計的結果は、再構成された翼は、余分なフィルターなしで正確で滑らかであることを示している。 軟拘束スキームは、幾何学空間と目的空間の両方において基準翼に集中して、効率的かつ効果的に翼を合成し探索する傾向がある。 モデルの固有の特性のため、制約は少し緩くなります。 ハード制約スキームは、幾何学空間と目的空間の両方においてより広い範囲の翼を生成し探索する傾向にあり、対象空間の分布は正規分布に近い。 このスキームを通じて合成された翼は制約に厳密に準拠するが、射影はいくつかの奇妙な翼形を生じる可能性がある。

関連論文リスト

• FuncGenFoil: Airfoil Generation and Editing Model in Function Space [63.274584650021744]
  本稿ではFuncGenFoilについて紹介する。FuncGenFoilは機能翼測地を直接学習する関数空間生成モデルである。 AFBenchデータセットの実験的評価は、FuncGenFoilが翼の生成における最先端の手法を改善することを示した。
  論文  参考訳（メタデータ） (2025-02-15T07:56:58Z)
• Training Deep Learning Models with Norm-Constrained LMOs [56.00317694850397]
  正規球上の線形最小化オラクル(LMO)を利用する最適化手法について検討する。 この問題の幾何学に適応するためにLMOを用いた新しいアルゴリズム群を提案し, 意外なことに, 制約のない問題に適用可能であることを示す。
  論文  参考訳（メタデータ） (2025-02-11T13:10:34Z)
• A Geometry-Aware Message Passing Neural Network for Modeling Aerodynamics over Airfoils [61.60175086194333]
  空気力学は航空宇宙工学の重要な問題であり、しばしば翼のような固体物と相互作用する流れを伴う。 本稿では, 固体物体上の非圧縮性流れのモデル化について考察する。 ジオメトリを効果的に組み込むため,メッシュ表現に翼形状を効率よく,かつ効率的に統合するメッセージパッシング方式を提案する。 これらの設計選択は、純粋にデータ駆動の機械学習フレームワークであるGeoMPNNにつながり、NeurIPS 2024 ML4CFDコンペティションで最優秀学生賞を受賞し、総合で4位となった。
  論文  参考訳（メタデータ） (2024-12-12T16:05:39Z)
• Generative Aerodynamic Design with Diffusion Probabilistic Models [0.7373617024876725]
  生成モデルは、シミュレーションの大規模なデータセット上でジオメトリを一般化することにより、ジオメトリを提供する可能性を秘めている。 特に,XFOILシミュレーションで訓練した拡散確率モデルを用いて,所定の空力特性と制約を条件とした2次元翼ジオメトリーを合成する。 モデルが同一の要件と制約に対して多様な候補設計を生成可能であることを示し、最適化手順に複数の出発点を提供する設計空間を効果的に探索する。
  論文  参考訳（メタデータ） (2024-09-20T08:38:36Z)
• Aero-Nef: Neural Fields for Rapid Aircraft Aerodynamics Simulations [1.1932047172700866]
  本稿では,メッシュ領域上での定常流体力学シミュレーションの代理モデルを学習する手法を提案する。 提案したモデルは, 異なる流れ条件に対して非構造領域に直接適用することができる。 顕著なことに、RANS超音速翼データセット上の高忠実度解法よりも5桁高速な推論を行うことができる。
  論文  参考訳（メタデータ） (2024-07-29T11:48:44Z)
• Compact and Intuitive Airfoil Parameterization Method through Physics-aware Variational Autoencoder [0.0]
  翼形状最適化は高性能航空機の設計において重要な役割を果たしている。 この問題を解決するために、多くの翼パラメータ化法が開発されている。 しかし、これらの属性をすべて包含する単一のアプローチはまだ見つかっていない。
  論文  参考訳（メタデータ） (2023-11-18T00:30:03Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)
• Automatic Parameterization for Aerodynamic Shape Optimization via Deep Geometric Learning [60.69217130006758]
  空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。 どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。 2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
  論文  参考訳（メタデータ） (2023-05-03T13:45:40Z)
• Non-linear Independent Dual System (NIDS) for Discretization-independent Surrogate Modeling over Complex Geometries [0.0]
  非線形独立双対系(Non-linear independent dual system、NIDS)は、PDEソリューションの離散化独立で連続的な表現のための深層学習サロゲートモデルである。 NIDSは複雑な可変ジオメトリとメッシュトポロジを持つドメインの予測に使用できる。 テストケースには、複雑な幾何学とデータ不足を伴う車両の問題が含まれており、訓練方法によって実現されている。
  論文  参考訳（メタデータ） (2021-09-14T23:38:41Z)
• Manifold learning-based polynomial chaos expansions for high-dimensional surrogate models [0.0]
  システム記述における不確実性定量化(UQ)のための多様体学習に基づく手法を提案する。 提案手法は高精度な近似を達成でき、UQタスクの大幅な高速化につながる。
  論文  参考訳（メタデータ） (2021-07-21T00:24:15Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)

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。