論文の概要: Physics-Assisted Reduced-Order Modeling for Identifying Dominant
Features of Transonic Buffet
- arxiv url: http://arxiv.org/abs/2305.13644v1
- Date: Tue, 23 May 2023 03:40:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 19:22:08.263205
- Title: Physics-Assisted Reduced-Order Modeling for Identifying Dominant
Features of Transonic Buffet
- Title（参考訳）: トランスニックビュッフェの主特性同定のための物理支援低次モデル
- Authors: Jing Wang, Hairun Xie, Miao Zhang, Hui Xu
- Abstract要約: トランスニック・ビュッフェ(Transonic buffet)は、衝撃波と分離境界層の間の相互作用から生じる流動不安定現象である。
本稿では,超音速バッファの主な特徴を識別する物理支援変分オートエンコーダ(PAVAE)を提案する。
提案手法は,特徴抽出,フロー再構成,バフェット予測の利点を統一的なフレームワークに統合する。
- 参考スコア（独自算出の注目度）: 23.697441877297802
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transonic buffet is a flow instability phenomenon that arises from the
interaction between the shock wave and the separated boundary layer. This flow
phenomenon is considered to be highly detrimental during flight and poses a
significant risk to the structural strength and fatigue life of aircraft. Up to
now, there has been a lack of an accurate, efficient, and intuitive metric to
predict buffet and impose a feasible constraint on aerodynamic design. In this
paper, a Physics-Assisted Variational Autoencoder (PAVAE) is proposed to
identify dominant features of transonic buffet, which combines unsupervised
reduced-order modeling with additional physical information embedded via a
buffet classifier. Specifically, four models with various weights adjusting the
contribution of the classifier are trained, so as to investigate the impact of
buffet information on the latent space. Statistical results reveal that buffet
state can be determined exactly with just one latent space when a proper weight
of classifier is chosen. The dominant latent space further reveals a strong
relevance with the key flow features located in the boundary layers downstream
of shock. Based on this identification, the displacement thickness at 80%
chordwise location is proposed as a metric for buffet prediction. This metric
achieves an accuracy of 98.5% in buffet state classification, which is more
reliable than the existing separation metric used in design. The proposed
method integrates the benefits of feature extraction, flow reconstruction, and
buffet prediction into a unified framework, demonstrating its potential in
low-dimensional representations of high-dimensional flow data and interpreting
the "black box" neural network.
- Abstract（参考訳）: トランスニックビュッフェ(transonic buffet)は、衝撃波と分離境界層との相互作用から生じる流れ不安定現象である。
この流れ現象は飛行中に非常に有害であると考えられ、航空機の構造的強度と疲労寿命に重大なリスクをもたらす。
これまで、ビュッフェを予測し、空力設計に実行可能な制約を課すために、正確で効率的で直感的な測定基準が欠如していた。
本稿では,教師なしの減数次モデルとビュッフェ分類器に埋め込まれた物理情報を組み合わせたトランスニックビュッフェの主要な特徴を特定するために,物理支援型変分オートエンコーダ (pavae) を提案する。
具体的には、分類器の寄与を調節する様々な重みを持つ4つのモデルを訓練し、潜在空間に対するビュッフェ情報の影響を調べる。
統計的には、ビュッフェ状態は、分類器の適切な重みが選択されたとき、1つの潜在空間で正確に決定できる。
支配的な潜在空間はさらにショックの下流の境界層に位置する重要な流れの特徴と強い関連性を示す。
この同定に基づき, バフェット予測の指標として, 声道方向80%の変位厚さが提案されている。
この基準はバフェット状態の分類において98.5%の精度を達成するが、これは設計で使われている既存の分離基準よりも信頼性が高い。
提案手法は,特徴抽出,フロー再構成,バフェット予測の利点を統一されたフレームワークに統合し,高次元フローデータの低次元表現と「ブラックボックス」ニューラルネットワークの解釈の可能性を示す。
関連論文リスト
- Improving hp-Variational Physics-Informed Neural Networks for Steady-State Convection-Dominated Problems [4.0974219394860505]
本稿では,より正確にはFastVPINNsフレームワークであるhp-可変物理インフォームドニューラルネットワークを対流支配対流拡散反応問題に適用する2つの拡張について検討する。
まず、損失関数にSUPG安定化の精神の項を含め、空間的に変化する安定化パラメータを予測するネットワークアーキテクチャを提案する。
第二の新規性は、指標関数のクラスのよいパラメータを学習するネットワークアーキテクチャの提案である。
論文 参考訳（メタデータ） (2024-11-14T10:21:41Z) - WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
深部画像登録は異常な精度と高速な推測を示した。
近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。
本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
論文 参考訳（メタデータ） (2024-07-18T11:51:01Z) - Predicting Cascading Failures with a Hyperparametric Diffusion Model [66.89499978864741]
拡散モデルのレンズによる電力グリッドのカスケード故障について検討する。
我々のモデルは、バイラル拡散原理と物理に基づく概念を統合する。
この拡散モデルはカスケード故障の痕跡から学習可能であることを示す。
論文 参考訳（メタデータ） (2024-06-12T02:34:24Z) - Disentangled Representation Learning with Transmitted Information Bottleneck [57.22757813140418]
textbfDisTIB (textbfTransmitted textbfInformation textbfBottleneck for textbfDisd representation learning) は情報圧縮と保存のバランスを保った新しい目的である。
論文 参考訳（メタデータ） (2023-11-03T03:18:40Z) - Variational Classification [51.2541371924591]
我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。
軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。
我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
論文 参考訳（メタデータ） (2023-05-17T17:47:19Z) - FIT: A Metric for Model Sensitivity [1.2622086660704197]
本稿では、フィッシャー情報と量子化のモデルを組み合わせたFITを提案する。
FITは再トレーニングなしにネットワークの最終的な性能を推定できる。
FITは既存の手法と比較して高速に計算でき、良好な収束特性を示す。
論文 参考訳（メタデータ） (2022-10-16T10:25:29Z) - Predicting fluid-structure interaction with graph neural networks [13.567118450260178]
本稿では,流体-構造相互作用系の低次モデリングのための回転同変準モノリシックグラフニューラルネットワークフレームワークを提案する。
有限要素インスパイアされたハイパーグラフニューラルネットワークを用いて、システム全体の状態に基づいて流体状態の進化を予測する。
提案するフレームワークは,インターフェース記述をトラッキングし,少なくとも2000時間のロールアウト時に,安定かつ正確なシステム状態予測を提供する。
論文 参考訳（メタデータ） (2022-10-09T07:42:23Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z) - Crowd Counting via Perspective-Guided Fractional-Dilation Convolution [75.36662947203192]
本稿では,PFDNetと呼ばれる新しい畳み込みニューラルネットワークを用いた群集カウント手法を提案する。
連続スケールの変動をモデル化することにより、提案したPFDNetは、異なる空間位置に対応するための適切な分数拡張カーネルを選択することができる。
これは、個々の代表スケールのみを考慮した最先端技術の柔軟性を著しく向上させる。
論文 参考訳（メタデータ） (2021-07-08T07:57:00Z) - Data-driven Aerodynamic Analysis of Structures using Gaussian Processes [0.0]
本稿では,橋梁に作用する非線形自励力のデータ駆動モデルを提案する。
このフレームワークは、CFD(Computational Fluid Dynamics)データに基づいて、合理化およびブラフブリッジデッキに適用される。
提案フレームワークのさらなる応用は,細線状構造物の設計とオンラインリアルタイム監視に期待できる。
論文 参考訳（メタデータ） (2021-03-20T11:22:24Z) - Stochastic embeddings of dynamical phenomena through variational
autoencoders [1.7205106391379026]
位相空間の再構成において,観測空間の次元性を高めるために認識ネットワークを用いる。
我々の検証は、このアプローチが元の状態空間に類似した状態空間を復元するだけでなく、新しい時系列を合成できることを示している。
論文 参考訳（メタデータ） (2020-10-13T10:10:24Z)
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。