論文の概要: Search for universal minimum drag resistance underwater vehicle hull
using CFD
- arxiv url: http://arxiv.org/abs/2302.09441v1
- Date: Sat, 18 Feb 2023 23:36:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 18:38:28.552906
- Title: Search for universal minimum drag resistance underwater vehicle hull
using CFD
- Title(参考訳): cfdを用いた汎用最小抵抗型水中車体探索
- Authors: Harsh Vardhan, Janos Sztipanovits
- Abstract要約: 自律型水中車両(AUVs)の設計では、船体抵抗は車両の電力要求と航続距離を決定する重要な要素である。
我々は,計算流体力学(CFD)シミュレーションとともにAIに基づく最適化アルゴリズムを活用し,最適船体設計について検討する。
- 参考スコア(独自算出の注目度): 0.799536002595393
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In Autonomous Underwater Vehicles (AUVs) design, hull resistance is an
important factor in determining the power requirements and range of vehicle and
consequently affect battery size, weight, and volume requirement of the design.
In this paper, we leverage on AI-based optimization algorithm along with
Computational Fluid Dynamics (CFD) simulation to study the optimal hull design
that minimizing the resistance. By running the CFD-based optimization at
different operating velocities and turbulence intensity, we want to
study/search the possibility of a universal design that will provide least
resistance/near-optimal design across all operating conditions (operating
velocity) and environmental conditions (turbulence intensity). Early result
demonstrated that the optimal design found at low velocity and low turbulence
condition performs very poor at high velocity and high turbulence conditions.
However, a design that is optimal at high velocity and high turbulence
conditions performs near-optimal across many considered velocity and turbulence
conditions.
- Abstract(参考訳): 自律型水中車両(AUV)の設計では、船体抵抗は車両のパワー要件と範囲を決定する重要な要素であり、その結果、設計のバッテリーサイズ、重量、体積要件に影響を与える。
本稿では,計算流体力学(CFD)シミュレーションとともにAIに基づく最適化アルゴリズムを活用し,抵抗を最小化する最適船体設計について検討する。
CFDに基づく最適化を異なる動作速度と乱流強度で実行することにより、全ての動作条件(動作速度)と環境条件(乱流強度)で最小の抵抗/ニア最適設計を提供する普遍設計の可能性について研究・研究したい。
初期実験の結果, 低速・低乱流条件における最適設計は, 高速度・高乱流条件において非常に不良であることがわかった。
しかし、高速および高乱流条件において最適である設計は、多くの考慮された速度および乱流条件においてほぼ最適である。
関連論文リスト
- Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。
提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。
我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
論文 参考訳(メタデータ) (2025-01-16T16:45:08Z) - Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。
今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。
タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
論文 参考訳(メタデータ) (2025-01-11T02:32:42Z) - Physics-Constrained Generative Artificial Intelligence for Rapid Takeoff Trajectory Design [0.0]
本研究は,eVTOL航空機の離陸制御プロファイルをインテリジェントにパラメータ化するための物理制約付き生成対向ネットワーク (physicsGAN) を提案する。
物理学GANは、すべての制約を満たす設計の98.9%で、実現可能な空間におけるパワーとウィング角度の可能な制御プロファイルのみを生成した。
文献レビューによると、サロゲートモデルによって実現された物理学に制約のある生成人工知能は、これが初めてである。
論文 参考訳(メタデータ) (2025-01-07T00:15:04Z) - Enhancing Vehicle Aerodynamics with Deep Reinforcement Learning in Voxelised Models [6.16808916207942]
本稿では,深部強化学習(DRL)を用いた自動車設計における空力最適化の新しい手法を提案する。
提案手法は, 車両形状をボクセルの格子に識別するためにボクセルモデルを用いており, 空力場を詳細に表現することができる。
実験により, 空力性能において, 提案手法の有効性と効率性を実証した。
論文 参考訳(メタデータ) (2024-05-19T09:19:31Z) - RACER: Rational Artificial Intelligence Car-following-model Enhanced by
Reality [51.244807332133696]
本稿では,アダプティブ・クルーズ・コントロール(ACC)運転行動を予測する,最先端の深層学習車追従モデルであるRACERを紹介する。
従来のモデルとは異なり、RACERは実走行の重要な要素であるRDC(Rational Driving Constraints)を効果的に統合している。
RACERはアクセラレーション、ベロシティ、スペーシングといった主要なメトリクスを網羅し、ゼロ違反を登録する。
論文 参考訳(メタデータ) (2023-12-12T06:21:30Z) - Finding the Optimum Design of Large Gas Engines Prechambers Using CFD
and Bayesian Optimization [5.381050729919025]
プレシャンバを用いた乱流噴流着火の概念は、大型ガスエンジンのリーン条件下で安定した燃焼を実現するための有望な解決策である。
大型ガスエンジンプリチャンバの設計および運転パラメータの幅が広いことから, 計算流体力学 (CFD) が好ましい。
本研究では,CFDシミュレーションを用いた大規模ガスエンジンプレチャンバ設計のベイズ最適化について検討した。
論文 参考訳(メタデータ) (2023-08-03T13:07:46Z) - Multi-Objective Hull Form Optimization with CAD Engine-based Deep
Learning Physics for 3D Flow Prediction [0.0]
本稿では,(1)最も有望な基本船体形状を検出する感度解析,(2)最適船体形状間のトレードオフを定量化するための多目的最適化の2つの応用法を提案する。
これらの結果は、ExtralityのDeep Learning Physics(DLP)モデルをCADエンジンと評価器に結合することで達成した。
論文 参考訳(メタデータ) (2023-06-22T14:30:41Z) - Sample-Efficient and Surrogate-Based Design Optimization of Underwater Vehicle Hulls [0.4543820534430522]
本稿では,BO-LCBアルゴリズムが最もサンプリング効率のよい最適化フレームワークであり,最適収束挙動を有することを示す。
また, DNN に基づく代理モデルでは, CFD シミュレーションと密に一致し, 平均絶対パーセンテージ誤差 (MAPE) が 1.85% であることを示す。
本稿では,サロゲートモデルを用いた設計最適化の2次高速化について述べる。
論文 参考訳(メタデータ) (2023-04-24T19:52:42Z) - Autonomous Optimization of Fluid Systems at Varying Length Scales [55.41644538483948]
本稿では,一様液滴を生成するハードウェア条件を正確に把握するコンピュータビジョン駆動型ベイズ最適化フレームワークを提案する。
この枠組みは、マイクロ流体系とインクジェット系を用いて、マイクロメートルとミリメートルの2つの流体系で検証されている。
論文 参考訳(メタデータ) (2021-05-28T02:08:03Z) - Speeding up Computational Morphogenesis with Online Neural Synthetic
Gradients [51.42959998304931]
現代科学および工学の適用の広い範囲は制約として部分的な微分方程式(PDEs)のシステムとの最適化問題として定式化されます。
これらのPDE制約最適化問題は通常、標準のDisretize-then-optimizeアプローチで解決される。
オンラインニューラル合成勾配(ONSG)を用いたPDE制約最適化の高速化のための新しい2スケール最適化手法を提案する。
論文 参考訳(メタデータ) (2021-04-25T22:43:51Z) - The multi-objective optimisation of breakwaters using evolutionary
approach [62.997667081978825]
工学的な実践では、港や海岸の既存の保護施設の有効性を高めることがしばしば必要である。
本稿では, ブレークウォーター最適化のための多目的進化的アプローチを提案する。
論文 参考訳(メタデータ) (2020-04-06T21:48:01Z)
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。