論文の概要: Dynamical Mode Recognition of Turbulent Flames in a Swirl-stabilized Annular Combustor by a Time-series Learning Approach

• arxiv url: http://arxiv.org/abs/2503.13559v1
• Date: Mon, 17 Mar 2025 02:55:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:15:16.306874
• Title: Dynamical Mode Recognition of Turbulent Flames in a Swirl-stabilized Annular Combustor by a Time-series Learning Approach
• Title（参考訳）: 時系列学習によるスワール安定化環状燃焼器内乱流火炎の動的モード認識
• Authors: Tao Yang, Weiming Xu, Liangliang Xu, Peng Zhang,
• Abstract要約: 本研究では, 環状燃焼系における動的モードを効果的に認識するために, 双方向長短期メモリ変動オートエンコーダBi-LSTM-VAEモデルを提案する。 具体的には、スワール安定化環状燃焼器からの16の圧力信号を利用して、複雑なダイナミクスを低次元の潜在空間にマッピングする。 潜時変動分布の解析により, 広範囲の同値比, 予混合燃料, 空気質量流量に対応するパターンが明らかとなった。
• 参考スコア（独自算出の注目度）: 7.823412530621099
• License:
• Abstract: Thermoacoustic instability in annular combustors, essential to aero engines and modern gas turbines, can severely impair operational stability and efficiency, accurately recognizing and understanding various combustion modes is the prerequisite for understanding and controlling combustion instabilities. However, the high-dimensional spatial-temporal dynamics of turbulent flames typically pose considerable challenges to mode recognition. Based on the bidirectional temporal and nonlinear dimensionality reduction models, this study introduces a two-layer bidirectional long short-term memory variational autoencoder, Bi-LSTM-VAE model, to effectively recognize dynamical modes in annular combustion systems. Specifically, leveraging 16 pressure signals from a swirl-stabilized annular combustor, the model maps complex dynamics into a low-dimensional latent space while preserving temporal dependency and nonlinear behavior features through the recurrent neural network structure. The results show that the novel Bi-LSTM-VAE method enables a clear representation of combustion states in two-dimensional state space. Analysis of latent variable distributions reveals distinct patterns corresponding to a wide range of equivalence ratios and premixed fuel and air mass flow rates, offering novel insights into mode classification and transitions, highlighting this model's potential for deciphering complex thermoacoustic phenomena.
• Abstract（参考訳）: 環状燃焼器の熱音響不安定性は、エアロエンジンや現代のガスタービンに必須であり、運転安定性と効率を著しく損なう可能性があり、様々な燃焼モードを正確に認識し理解することが燃焼不安定性を理解し制御するための必須条件である。 しかし、乱流火炎の高次元時空間ダイナミクスは、一般的にモード認識にかなりの困難をもたらす。 本研究は, 二次元時間・非線形次元減少モデルに基づいて, 環状燃焼系の動的モードを効果的に認識するための2層長短期メモリ変動自動エンコーダ, Bi-LSTM-VAEモデルを提案する。 具体的には、スワール安定化環状燃焼器からの16の圧力信号を利用して、リカレントニューラルネットワーク構造による時間依存性と非線形挙動の特徴を保ちながら、複雑なダイナミクスを低次元潜在空間にマッピングする。 その結果,Bi-LSTM-VAE法は2次元状態空間における燃焼状態の明確な表現を可能にした。 潜時変分分布の解析は、幅広い同値比と予混合燃料と空気の質量流量に対応するパターンを明らかにし、モード分類と遷移に関する新しい洞察を与え、このモデルが複雑な熱音響現象を解読する可能性を強調している。

関連論文リスト

• Stochastic Reconstruction of Gappy Lagrangian Turbulent Signals by Conditional Diffusion Models [1.7810134788247751]
  本研究では, 乱流によって受動的に対流する小物体の軌道に沿って, 空間・速度の欠落を再現する手法を提案する。 近年提案されているデータ駆動機械学習技術である条件付き生成拡散モデルを利用する。
  論文  参考訳（メタデータ） (2024-10-31T14:26:10Z)
• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• Learning Flame Evolution Operator under Hybrid Darrieus Landau and Diffusive Thermal Instability [0.0]
  本稿では,火炎不安定性のダイナミクスを解明するために,新しい作業者学習手法の適用について検討する。 トレーニングデータセットには幅広いパラメータ構成が含まれており、パラメトリックソリューション前進演算子を学習することができる。 その結果, 短期および長期の火炎進展を正確に予測する上で, これらの手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-05-11T18:31:13Z)
• Dynamical Mode Recognition of Coupled Flame Oscillators by Supervised and Unsupervised Learning Approaches [7.088178570214894]
  燃焼不安定は燃焼研究において最も困難な問題の一つである。 多くの燃焼システムの安全かつ信頼性の高い運転を保証するためには,燃焼不安定性の同定と理解が不可欠である。
  論文  参考訳（メタデータ） (2024-04-27T06:44:39Z)
• Dimensionality Reduction and Dynamical Mode Recognition of Circular Arrays of Flame Oscillators Using Deep Neural Network [7.966402372024724]
  本研究では,振動燃焼系における動的モードを認識するための有望な手法 (Bi-LSTM-VAE-WDC) を提案する。 具体的には, 燃焼系の高次元時空間データを低次元位相空間に還元するために, Bi-LSTM-VAE次元縮小モデルを導入した。 その結果,新しいBi-LSTM-VAE法では位相点の非重複分布が生成され,非教師なしモード認識と分類が効果的であることが示唆された。
  論文  参考訳（メタデータ） (2023-12-05T03:25:45Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• Photoinduced prethermal order parameter dynamics in the two-dimensional large-$N$ Hubbard-Heisenberg model [77.34726150561087]
  2次元相関電子モデルにおいて、競合する秩序相の微視的ダイナミクスについて検討する。 2つの競合する位相間の光誘起遷移をシミュレートする。
  論文  参考訳（メタデータ） (2022-05-13T13:13:31Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)
• Nonlinear model reduction for slow-fast stochastic systems near unknown invariant manifolds [4.565636963872865]
  低次元不変実効多様体を持つ高次元力学系に対する非線形モデル還元手法を提案する。 ブラックボックスシミュレータを用いて,シミュレーションの短いバーストが得られる。 シミュレータは不変多様体の低次元を生かし、有効過程の正則性に依存する大きさの時間ステップを取るという点で効率的である。
  論文  参考訳（メタデータ） (2021-04-05T19:29:46Z)
• Feedback-induced instabilities and dynamics in the Jaynes-Cummings model [62.997667081978825]
  時間遅延コヒーレントフィードバックを受けるJaynes-Cummingsモデルのコヒーレンスと定常状態特性について検討する。 導入されたフィードバックは、システムの動的応答と定常量子特性を質的に修正する。
  論文  参考訳（メタデータ） (2020-06-20T10:07:01Z)
• Switching dynamics of single and coupled VO2-based oscillators as elements of neural networks [55.41644538483948]
  本稿では,単一および結合型VO2系発振器の抵抗結合および容量結合によるスイッチングダイナミクスについて報告し,ニューラルネットワークへの応用の可能性について検討する。 抵抗結合については、結合抵抗の一定の値で同期が発生するが、不安定であり、同期故障が周期的に起こることが示されている。 容量結合については、弱い結合と強い結合を持つ2つの同期モードが見出され、これらのモード間の遷移はカオス振動を伴う。
  論文  参考訳（メタデータ） (2020-01-07T02:16:04Z)

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。