論文の概要: Data-Efficient Modeling for Precise Power Consumption Estimation of
Quadrotor Operations Using Ensemble Learning
- arxiv url: http://arxiv.org/abs/2205.10997v1
- Date: Mon, 23 May 2022 02:16:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-24 15:00:28.394915
- Title: Data-Efficient Modeling for Precise Power Consumption Estimation of
Quadrotor Operations Using Ensemble Learning
- Title（参考訳）: アンサンブル学習を用いたクアドロレータ動作の高精度消費電力推定のためのデータ効率のモデリング
- Authors: Wei Dai, Mingcheng Zhang, Kin Huat Low
- Abstract要約: エレクトロニック・テイクオフ・アンド・ランディング (EVTOL) は、新興都市空力において主要な航空機であると考えられている。
本研究では,eVTOL航空機の消費電力モデル化のための枠組みを構築した。
そこで我々は,3種類の四重項の飛行記録を用いたデータ駆動モデルを構築するために,アンサンブル学習法,すなわち積み重ね法を用いた。
- 参考スコア（独自算出の注目度）: 3.722516004544342
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electric Take-Off and Landing (eVTOL) aircraft is considered as the major
aircraft type in the emerging urban air mobility. Accurate power consumption
estimation is crucial to eVTOL, supporting advanced power management strategies
and improving the efficiency and safety performance of flight operations. In
this study, a framework for power consumption modeling of eVTOL aircraft was
established. We employed an ensemble learning method, namely stacking, to
develop a data-driven model using flight records of three different types of
quadrotors. Random forest and extreme gradient boosting, showing advantages in
prediction, were chosen as base-models, and a linear regression model was used
as the meta-model. The established stacking model can accurately estimate the
power of a quadrotor. Error analysis shows that about 80% prediction errors
fall within one standard deviation interval and less than 0.5% error in the
prediction for an entire flight can be expected with a confidence of more than
80%. Our model outperforms the existing models in two aspects: firstly, our
model has a better prediction performance, and secondly, our model is more
data-efficient, requiring a much smaller dataset. Our model provides a powerful
tool for operators of eVTOL aircraft in mission management and contributes to
promoting safe and energy-efficient urban air traffic.
- Abstract（参考訳）: 電動離着陸機(evtol)は、新興都市空域における主要な航空機タイプと考えられている。
正確な消費電力推定はeVTOLにとって不可欠であり、高度な電力管理戦略をサポートし、飛行作業の効率性と安全性を向上させる。
本研究では,evtol航空機の消費電力モデリングの枠組みを構築した。
3種類のクワッドロータの飛行記録を用いたデータ駆動モデルを構築するために,アンサンブル学習法,すなわちスタック学習を用いた。
予測の優位性を示すランダム森林と極端な勾配上昇をベースモデルとして選択し,メタモデルとして線形回帰モデルを用いた。
確立された積み重ねモデルは、クワッドローターのパワーを正確に推定することができる。
エラー解析により、予測誤差の約80%が1つの標準偏差間隔内にあり、全飛行の予測誤差の0.5%未満は80%以上の信頼性で予測できることが示された。
第一に、我々のモデルはより良い予測性能を持ち、第二に、我々のモデルはよりデータ効率が高く、はるかに小さなデータセットを必要とする。
我々のモデルは、ミッション管理におけるeVTOL航空機のオペレーターに強力なツールを提供し、安全でエネルギー効率のよい都市空気交通の促進に寄与する。
関連論文リスト
- On the Generalization Properties of Deep Learning for Aircraft Fuel Flow Estimation Models [2.7336487680215815]
本稿では,燃料消費予測におけるディープラーニングモデルの一般化能力について検討する。
本稿では,ニューラルネットワークアーキテクチャとドメイン一般化技術を統合する新しい手法を提案する。
以前は目に見えない航空機に対して、航空機へのノイズの導入とエンジンパラメーターはモデルの一般化を改善した。
論文 参考訳（メタデータ） (2024-10-10T08:34:19Z) - Impact of data for forecasting on performance of model predictive control in buildings with smart energy storage [0.0]
モデルデータ効率を改善するための尺度の予測精度への影響を定量化する。
負荷予測モデルに2年以上のトレーニングデータを使用することで,予測精度が大幅に向上することはなかった。
再使用したモデルと3ヶ月のデータでトレーニングされたモデルでは、ベースラインよりも平均10%高いエラーがあった。
論文 参考訳（メタデータ） (2024-02-19T21:01:11Z) - An Integrated Imitation and Reinforcement Learning Methodology for
Robust Agile Aircraft Control with Limited Pilot Demonstration Data [3.3748750222488657]
本稿では,アジャイル航空機のデータ駆動操作生成モデルの構築手法を提案する。
提案手法は, 模倣学習, 伝達学習, 強化学習の技法を組み合わせて, この目的を達成する。
論文 参考訳（メタデータ） (2023-12-27T14:26:34Z) - Fuel Consumption Prediction for a Passenger Ferry using Machine Learning
and In-service Data: A Comparative Study [5.516843968790116]
本稿では,旅客船から収集したサービス内データを用いて,燃料消費を予測するモデルを提案する。
最高の予測性能は、ブーチングアンサンブルアプローチであるXGboost技術を用いて開発されたモデルから得られる。
論文 参考訳（メタデータ） (2023-10-19T19:35:38Z) - Fast-ELECTRA for Efficient Pre-training [83.29484808667532]
ELECTRAは補助モデルに置き換えられたシーケンス内のトークンを検出して、言語モデルを事前訓練する。
本稿では,既存の言語モデルを補助モデルとして活用したFast-ELECTRAを提案する。
提案手法は,最先端のELECTRA型事前学習手法の性能に匹敵するが,補助モデルの連成学習による計算とメモリコストは著しく削減される。
論文 参考訳（メタデータ） (2023-10-11T09:55:46Z) - Learning Generative Models for Climbing Aircraft from Radar Data [0.0]
本稿では,標準航空機データ(BADA)モデルがデータから学習した推力の関数的補正によって強化された登山用航空機の生成モデルを提案する。
この手法には3つの特徴がある: BADAと比較すると66.3%の誤差で到着時刻を予測する; テストデータと比較すると現実的な軌道を生成する。
論文 参考訳（メタデータ） (2023-09-26T13:53:53Z) - Towards Long-Term predictions of Turbulence using Neural Operators [68.8204255655161]
機械学習を用いて乱流シミュレーションのための低次/サロゲートモデルを開発することを目的としている。
異なるモデル構造が解析され、U-NET構造は標準FNOよりも精度と安定性が良い。
論文 参考訳（メタデータ） (2023-07-25T14:09:53Z) - Towards Efficient Task-Driven Model Reprogramming with Foundation Models [52.411508216448716]
ビジョンファウンデーションモデルは、非常に大きなモデルキャパシティと幅広いトレーニングデータから恩恵を受け、印象的なパワーを示す。
しかし、実際には、下流のシナリオは限られた計算資源や効率上の考慮のため、小さなモデルしかサポートできない。
これは、ファンデーションモデルの現実的な応用に重要な課題をもたらします。
論文 参考訳（メタデータ） (2023-04-05T07:28:33Z) - A Meta-Learning Approach to Predicting Performance and Data Requirements [163.4412093478316]
本稿では,モデルが目標性能に達するために必要なサンプル数を推定する手法を提案する。
モデル性能を推定するデファクト原理であるパワー法則が,小さなデータセットを使用する場合の誤差が大きいことが判明した。
本稿では,2つのデータを異なる方法で処理するPPL法について紹介する。
論文 参考訳（メタデータ） (2023-03-02T21:48:22Z) - 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) - Universal Battery Performance and Degradation Model for Electric
Aircraft [52.77024349608834]
電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。
我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。
このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
論文 参考訳（メタデータ） (2020-07-06T16:10:54Z)
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。