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
- 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) - Diffusion Generative Inverse Design [28.04683283070957]
逆設計(英: inverse design)とは、目的関数の入力を最適化し、目的の結果を導出する問題を指す。
学習グラフニューラルネットワーク(GNN)の最近の進歩は、シミュレーション力学の正確で効率的で微分可能な推定に利用することができる。
本稿では, 分散拡散モデルを用いて, 逆設計問題の解法を効率的に行う方法を示し, より効率的な粒子サンプリングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-09-05T08:32:07Z) - 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 [1.023712090082156]
物理シミュレーションはコンピュータ支援設計(CAD)最適化プロセスにおける計算ボトルネックである。
本研究では、最適化と人工知能(AI)の最近の進歩を活用して、これらの潜在的なソリューションの両方に対処する。
我々は、CFDソルバを用いた直接数値シミュレーションにより計算されるドラグフォースを近似するディープニューラルネットワーク(DNN)に基づく代理モデルを開発した。
論文 参考訳(メタデータ) (2023-04-24T19:52:42Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳(メタデータ) (2022-07-21T12:03:02Z) - 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) - Robust Reinforcement Learning with Wasserstein Constraint [49.86490922809473]
最適なロバストなポリシーの存在を示し、摂動に対する感度分析を行い、新しいロバストな学習アルゴリズムを設計する。
提案アルゴリズムの有効性はCart-Pole環境で検証する。
論文 参考訳(メタデータ) (2020-06-01T13:48:59Z) - 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) - Design optimisation of a multi-mode wave energy converter [1.250168619098462]
カーネギークリーンエナジーが開発したCETOシステムに類似した波動エネルギー変換器(WEC)を設計最適化として検討する。
最適化のための設計パラメータは、ブイ半径、ブイ高さ、テザー傾斜角、および制御変数(減衰と剛性)である。
その結果、このようなシステムの製造コストを考慮せずに、エネルギー生産を最大化することに関心があるなら、ブイをできるだけ大きなものにすべきであることがわかった。
論文 参考訳(メタデータ) (2020-01-24T12:46:36Z)
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。