論文の概要: Hall Effect Thruster Forecasting using a Topological Approach for Data Assimilation

• arxiv url: http://arxiv.org/abs/2504.06157v1
• Date: Tue, 08 Apr 2025 15:52:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-09 13:29:02.900029
• Title: Hall Effect Thruster Forecasting using a Topological Approach for Data Assimilation
• Title（参考訳）: データ同化のためのトポロジカルアプローチを用いたホールエフェクトスラスター予測
• Authors: Max M. Chumley, Firas A. Khasawneh,
• Abstract要約: ホールエフェクト・スラスター(英: Hall Effect Thrusters、HET)は、宇宙船から重イオン化ガス粒子を放出して推力を生成する電気推進器である。 これらの衛星は、高いデルタVポテンシャルと運用寿命のために惑星間宇宙ミッションに使用されている。 本稿では,TADをLong Short-Term Memory Networkと組み合わせて正確な予測を行う方法を示す。
• 参考スコア（独自算出の注目度）: 0.4972323953932129
• License:
• Abstract: Hall Effect Thrusters (HETs) are electric thrusters that eject heavy ionized gas particles from the spacecraft to generate thrust. Although traditionally they were used for station keeping, recently They have been used for interplanetary space missions due to their high delta-V potential and their operational longevity in contrast to other thrusters, e.g., chemical. However, the operation of HETs involves complex processes such as ionization of gases, strong magnetic fields, and complicated solar panel power supply interactions. Therefore, their operation is extremely difficult to model thus necessitating Data Assimilation (DA) approaches for estimating and predicting their operational states. Because HET's operating environment is often noisy with non-Gaussian sources, this significantly limits applicable DA tools. We describe a topological approach for data assimilation that bypasses these limitations that does not depend on the noise model, and utilize it to forecast spatiotemporal plume field states of HETs. Our approach is a generalization of the Topological Approach for Data Assimilation (TADA) method that allows including different forecast functions. We show how TADA can be combined with the Long Short-Term Memory network for accurate forecasting. We then apply our approach to high-fidelity Hall Effect Thruster (HET) simulation data from the Air Force Research Laboratory (AFRL) rocket propulsion division where we demonstrate the forecast resiliency of TADA on noise contaminated, high-dimensional data.
• Abstract（参考訳）: ホールエフェクト・スラスター(英: Hall Effect Thrusters、HET)は、宇宙船から重イオン化ガス粒子を放出して推力を生成する電気推進器である。 伝統的にステーションの維持に使用されたが、近年ではデルタVのポテンシャルが高く、他のスラスタ(例えば化学薬品)とは対照的に運用寿命が長いため、惑星間宇宙ミッションに使用された。 しかし、HETの動作には、気体のイオン化、強い磁場、複雑なソーラーパネル電源相互作用などの複雑なプロセスが含まれる。 そのため、その運用状態を推定・予測するためにデータ同化(DA)アプローチをモデル化することは極めて困難である。 HETの動作環境は非ガウス情報源にうるさいことが多いため、適用可能なDAツールを著しく制限する。 本稿では, ノイズモデルに依存しないこれらの制約を回避し, HETの時空間場状態を予測するトポロジカルアプローチについて述べる。 提案手法は,データ同化のためのトポロジカルアプローチ(TADA)の一般化であり,予測関数の相違を可能にする。 本稿では,TADをLong Short-Term Memory Networkと組み合わせて正確な予測を行う方法を示す。 次に,高密度ホールエフェクトスラスタ (HET) シミュレーションデータに適用し, 騒音汚染高次元データに対するTADの耐震性能の予測を実証する。

関連論文リスト

• Gridded Transformer Neural Processes for Large Unstructured Spatio-Temporal Data [47.14384085714576]
  本稿では,非構造化観測を行うための格子状擬似トークンPと,効率的な注意機構を利用する格子状擬似トークンを含むプロセッサを紹介する。 提案手法は,大規模データを含む様々な合成および実世界の回帰タスクにおいて,強いベースラインを一貫して上回る。 実生活実験は気象データに基づいて行われ、気象モデルパイプラインで大規模に適用した場合の性能と計算上の利点をもたらすアプローチの可能性を示す。
  論文  参考訳（メタデータ） (2024-10-09T10:00:56Z)
• Advances in Land Surface Model-based Forecasting: A comparative study of LSTM, Gradient Boosting, and Feedforward Neural Network Models as prognostic state emulators [4.852378895360775]
  地表面プロセスのシミュレーションによる実験研究の高速化における3つの代理モデルの効率性を評価する。 以上の結果から, LSTMネットワークは, 予測期間を経た平均モデル全体の精度は高いが, 慎重に調整した場合は, 大陸の長距離予測に優れることがわかった。
  論文  参考訳（メタデータ） (2024-07-23T13:26:05Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• Context-Aware Generative Models for Prediction of Aircraft Ground Tracks [0.004807514276707785]
  軌道予測は航空交通管制官の意思決定を支援する上で重要な役割を果たしている。 従来のTP手法は決定論的で物理学に基づく手法であり、パラメータは世界中で収集された航空機の監視データを用いて校正される。 本研究では、確率論的機械学習を用いて、パイロット行動とATCO意図の未知の効果をモデル化する横型TPの生成法を提案する。
  論文  参考訳（メタデータ） (2023-09-26T14:20:09Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Spherical Fourier Neural Operators: Learning Stable Dynamics on the Sphere [53.63505583883769]
  球面幾何学の演算子を学習するための球面FNO(SFNO)を紹介する。 SFNOは、気候力学の機械学習に基づくシミュレーションに重要な意味を持つ。
  論文  参考訳（メタデータ） (2023-06-06T16:27:17Z)
• Data-Driven Wind Turbine Wake Modeling via Probabilistic Machine Learning [0.0]
  実世界の光検出・測光(LiDAR)を用いて風車ウェイクを計測し,機械学習を用いて予測的代理モデルを構築する。 提案手法は,高忠実度物理シミュレーションで生成したものよりも安価で高精度に問い合わせることができる風車流速場を高精度に近似するものである。
  論文  参考訳（メタデータ） (2021-09-06T14:46:20Z)
• Learning the structure of wind: A data-driven nonlocal turbulence model for the atmospheric boundary layer [0.0]
  我々は,大気境界層をモデル化するための新しいデータ駆動手法を開発した。 このアプローチは、非局所的、異方性合成乱流モデルに導かれ、我々は、ディープ・ラピッド・ラピッド・歪み(DRD)モデルと呼ぶ。
  論文  参考訳（メタデータ） (2021-07-23T06:41:33Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。