Fugu-MT 論文翻訳(概要): Tire-road friction estimation and uncertainty assessment to improve electric aircraft braking system

論文の概要: Tire-road friction estimation and uncertainty assessment to improve electric aircraft braking system

arxiv url: http://arxiv.org/abs/2211.10336v1
Date: Mon, 14 Nov 2022 10:36:14 GMT
ステータス: 処理完了
システム内更新日: 2022-11-27 13:08:26.394280
Title: Tire-road friction estimation and uncertainty assessment to improve electric aircraft braking system
Title（参考訳）: 電動機ブレーキシステム改善のためのタイヤロード摩擦推定と不確実性評価
Authors: Francesco Crocetti, G. Costante, M.L. Fravolini, P. Valigi
Abstract要約: 道路摩擦係数のオンライン推定は、先進的なブレーキ制御システムにとって欠かせない特徴である。本研究では, ニューラルネットに基づくデータ駆動方式を提案し, 最適摩擦係数を窓面のすべり摩擦測定関数として推定する。未知表面における航空機の着陸相の開ループおよび閉ループシミュレーションを用いて, 提案した頑健な摩擦推定手法の有効性と有効性を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The accurate online estimation of the road-friction coefficient is an essential feature for any advanced brake control system. In this study, a data-driven scheme based on a MLP Neural Net is proposed to estimate the optimum friction coefficient as a function of windowed slip-friction measurements. A stochastic NN weights drop-out mechanism is used to online estimate the confidence interval of the estimated best friction coefficient thus providing a characterization of the epistemic uncertainty associated to the NN block. Open loop and closed loop simulations of the landing phase of an aircraft on an unknown surface are used to show the potentiality and efficacy of the proposed robust friction estimation approach.
Abstract（参考訳）: 道路摩擦係数の正確なオンライン推定は、先進的なブレーキ制御システムにとって欠かせない特徴である。本研究では,MLPニューラルネットに基づくデータ駆動方式を提案し,窓面のすべり摩擦測定関数として最適摩擦係数を推定する。確率的NN重み付き降ろし機構を用いて、推定された最適摩擦係数の信頼区間をオンラインで推定し、NNブロックに関連するてんかんの不確かさを特徴づける。未知表面における航空機の着陸相の開ループおよび閉ループシミュレーションを用いて, 提案した頑健な摩擦推定手法の有効性と有効性を示す。

関連論文リスト

Large-Scale OD Matrix Estimation with A Deep Learning Method [70.78575952309023]
提案手法は,ディープラーニングと数値最適化アルゴリズムを統合し,行列構造を推論し,数値最適化を導出する。大規模合成データセットを用いて,提案手法の優れた一般化性能を実証するために実験を行った。
論文参考訳（メタデータ） (2023-10-09T14:30:06Z)
Lightweight Regression Model with Prediction Interval Estimation for Computer Vision-based Winter Road Surface Condition Monitoring [0.4972323953932129]
本稿では,カメラ画像から路面摩擦特性を推定できるディープラーニング回帰モデルSIWNetを提案する。 SIWNetはアーキテクチャに不確実性推定機構を含めることで、技術の状態を拡張している。モデルは、SeeingThroughFogデータセットでトレーニングされ、テストされた。
論文参考訳（メタデータ） (2023-10-02T06:33:06Z)
Estimating friction coefficient using generative modelling [0.7503129292751939]
本研究は,視覚的知覚学習課題として,摩擦推定の問題を定式化することを目的とする。意味的セグメンテーションを適用し、抽出した特徴を用いて摩擦力を予測して表面特性を検出する。
論文参考訳（メタデータ） (2023-03-10T13:58:28Z)
A Data-Driven Slip Estimation Approach for Effective Braking Control under Varying Road Conditions [0.0]
多層ニューラルネットワークに基づく新しい推定アルゴリズムを提案する。トレーニングは、広く使われている摩擦モデルから派生した合成データセットに基づいている。実験結果とモデルベースラインとの比較により,提案手法が最適すべり推定に有効であることを示す。
論文参考訳（メタデータ） (2022-11-04T16:24:05Z)
Interpretable Stochastic Model Predictive Control using Distributional Reinforced Estimation for Quadrotor Tracking Systems [0.8411385346896411]
本研究では,動的・複雑環境下での自律的四角形ナビゲーションのためのトラジェクトリトラッカーを提案する。提案フレームワークは,未知の空力効果に対する分散強化学習推定器をモデル予測制御器に統合する。我々は,未知かつ多様な空気力を用いて,累積追従誤差を少なくとも66%改善するシステムを実証した。
論文参考訳（メタデータ） (2022-05-14T23:27:38Z)
Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文参考訳（メタデータ） (2022-05-04T04:23:38Z)
Pointwise Feasibility of Gaussian Process-based Safety-Critical Control under Model Uncertainty [77.18483084440182]
制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
論文参考訳（メタデータ） (2021-06-13T23:08:49Z)
Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
論文参考訳（メタデータ） (2021-03-11T15:21:08Z)
The Aleatoric Uncertainty Estimation Using a Separate Formulation with Virtual Residuals [51.71066839337174]
既存の手法では、ターゲット推定における誤差を定量化できるが、過小評価する傾向がある。本稿では,信号とその不確かさを推定するための新たな分離可能な定式化を提案し,オーバーフィッティングの影響を回避した。提案手法は信号および不確実性推定のための最先端技術より優れていることを示す。
論文参考訳（メタデータ） (2020-11-03T12:11:27Z)
Neural Contraction Metrics for Robust Estimation and Control: A Convex Optimization Approach [6.646482960350819]
本稿では,ニューラル・コントラクト・メトリック(NCM)の概念を用いて,ロバストな非線形推定と制御のための新しいディープラーニングベースのフレームワークを提案する。 NCMは、最適な収縮距離を大域的に近似するために、ディープロング短期記憶リカレントニューラルネットワークを使用する。そこで本稿では,NCMを用いた非線形システムの最適推定器と制御器の設計について述べる。
論文参考訳（メタデータ） (2020-06-08T05:29:38Z)
Learning Control Barrier Functions from Expert Demonstrations [69.23675822701357]
制御障壁関数(CBF)に基づく安全な制御器合成のための学習に基づくアプローチを提案する。最適化に基づくCBFの学習手法を解析し、基礎となる力学系のリプシッツ仮定の下で証明可能な安全保証を享受する。私たちの知る限りでは、これらはデータから確実に安全な制御障壁関数を学習する最初の結果です。
論文参考訳（メタデータ） (2020-04-07T12:29:06Z)

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。