論文の概要: Parametric Generative Schemes with Geometric Constraints for Encoding
and Synthesizing Airfoils
- arxiv url: http://arxiv.org/abs/2205.02458v2
- Date: Thu, 4 May 2023 10:11:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 17:52:04.697286
- Title: Parametric Generative Schemes with Geometric Constraints for Encoding
and Synthesizing Airfoils
- Title(参考訳): 航空機の符号化と合成のための幾何学的制約を伴うパラメトリック生成スキーム
- Authors: Hairun Xie, Jing Wang and Miao Zhang
- Abstract要約: 特定の制約を満たしつつ,設計空間の複雑さを捉えるために,ディープラーニングに基づく2つの生成スキームを提案する。
ソフト制約スキームは、予想される幾何学的制約からわずかにずれた翼を生成するが、それでも基準翼に収束する。
制約の厳しいスキームは、幾何学的制約に厳密に固執しつつ、より広い範囲の幾何学的多様性を持つ翼を生産する。
- 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: The modern aerodynamic optimization has a strong demand for parametric
methods with high levels of intuitiveness, flexibility, and representative
accuracy, which cannot be fully achieved through traditional airfoil parametric
techniques. In this paper, two deep learning-based generative schemes are
proposed to effectively capture the complexity of the design space while
satisfying specific constraints. 1. Soft-constrained scheme: a Conditional
Variational Autoencoder (CVAE)-based model to train geometric constraints as
part of the network directly. 2. Hard-constrained scheme: a VAE-based model to
generate diverse airfoils and an FFD-based technique to project the generated
airfoils onto the given constraints. According to the statistical results, the
reconstructed airfoils are both accurate and smooth, without any need for
additional filters. The soft-constrained scheme generates airfoils that exhibit
slight deviations from the expected geometric constraints, yet still converge
to the reference airfoil in both geometry space and objective space with some
degree of distribution bias. In contrast, the hard-constrained scheme produces
airfoils with a wider range of geometric diversity while strictly adhering to
the geometric constraints. The corresponding distribution in the objective
space is also more diverse, with isotropic uniformity around the reference
point and no significant bias. These proposed airfoil parametric methods can
break through the boundaries of training data in the objective space, providing
higher quality samples for random sampling and improving the efficiency of
optimization design.
- Abstract(参考訳): 現代の空気力学最適化は、従来の翼パラメトリック技術では達成できない、直感性、柔軟性、代表精度の高いパラメトリック手法を強く要求している。
本稿では,特定の制約を満たしながら設計空間の複雑さを効果的に捉えるために,2つの深層学習に基づく生成スキームを提案する。
1. ソフト制約スキーム: ネットワークの一部として幾何学的制約をトレーニングするための条件付き変分オートエンコーダ(CVAE)ベースのモデル。
2. ハード制約スキーム:多種多様な翼を生成するVAEモデルと、生成された翼を所定の制約に投射するFFD技術。
統計結果によると、再建された翼は、フィルターを追加せずに正確かつ滑らかである。
ソフト拘束スキームは、期待される幾何学的制約からわずかに逸脱するが、幾何空間と対象空間の両方において一定の分布バイアスを持つ基準翼に収束する翼を生成する。
対照的に、制約の厳しいスキームは、幾何学的制約に厳密に固執しつつ、より広い範囲の幾何学的多様性を持つ翼を生成する。
対象空間内の対応する分布もより多様であり、基準点周りの等方性は均一であり、有意なバイアスはない。
これらの提案手法は, 対象空間におけるトレーニングデータの境界を突破し, ランダムサンプリングのための高品質なサンプルを提供し, 最適化設計の効率を向上させる。
関連論文リスト
- 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) - Double Duality: Variational Primal-Dual Policy Optimization for
Constrained Reinforcement Learning [132.7040981721302]
本研究では,訪問尺度の凸関数を最小化することを目的として,制約付き凸決定プロセス(MDP)について検討する。
制約付き凸MDPの設計アルゴリズムは、大きな状態空間を扱うなど、いくつかの課題に直面している。
論文 参考訳(メタデータ) (2024-02-16T16:35:18Z) - 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) - Vertical Federated Learning over Cloud-RAN: Convergence Analysis and
System Optimization [82.12796238714589]
高速かつ正確なモデルアグリゲーションを実現するために,クラウド無線アクセスネットワーク(Cloud-RAN)ベースの垂直FLシステムを提案する。
アップリンクとダウンリンクの両方の伝送を考慮した垂直FLアルゴリズムの収束挙動を特徴付ける。
我々は,連続凸近似と代替凸探索に基づくシステム最適化アルゴリズムを開発した,連系トランシーバとフロントホール量子化設計によるシステム最適化フレームワークを構築した。
論文 参考訳(メタデータ) (2023-05-04T09:26:03Z) - 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) - Edge Federated Learning Via Unit-Modulus Over-The-Air Computation
(Extended Version) [64.76619508293966]
本稿では,効率の良いエッジフェデレーション学習を実現するために,UM-AirCompフレームワークを提案する。
ローカルモデルパラメータを同時にアップロードし、アナログビームフォーミングを通じてグローバルモデルパラメータを更新する。
車両間自動運転シミュレーションプラットフォームにおけるUM-AirCompの実装を実演する。
論文 参考訳(メタデータ) (2021-01-28T15:10:22Z) - 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。