論文の概要: Capturing Aerodynamic Characteristics of ATTAS Aircraft with Evolving Intelligent System
- arxiv url: http://arxiv.org/abs/2504.19949v1
- Date: Mon, 28 Apr 2025 16:21:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.508883
- Title: Capturing Aerodynamic Characteristics of ATTAS Aircraft with Evolving Intelligent System
- Title（参考訳）: 進化型インテリジェントシステムによるATTAS航空機の空力特性の把握
- Authors: Aydoğan Soylu, Tufan Kumbasar,
- Abstract要約: 本稿では,ATTAS航空機の空力係数をモデル化するための進化型2量子ファジィニューラルネットワーク(eT2QFNN)の新規展開について述べる。
eT2QFNNは、規則に基づく構造を持つ複数の線形サブモデルを作成することで、非線形航空機モデルを表現することができる。
量子メンバシップ関数を通じて不確実性とデータノイズに対する堅牢性を高める。
- 参考スコア（独自算出の注目度）: 2.8391355909797644
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Accurate modeling of aerodynamic coefficients is crucial for understanding and optimizing the performance of modern aircraft systems. This paper presents the novel deployment of an Evolving Type-2 Quantum Fuzzy Neural Network (eT2QFNN) for modeling the aerodynamic coefficients of the ATTAS aircraft to express the aerodynamic characteristics. eT2QFNN can represent the nonlinear aircraft model by creating multiple linear submodels with its rule-based structure through an incremental learning strategy rather than a traditional batch learning approach. Moreover, it enhances robustness to uncertainties and data noise through its quantum membership functions, as well as its automatic rule-learning and parameter-tuning capabilities. During the estimation of the aerodynamic coefficients via the flight data of the ATTAS, two different studies are conducted in the training phase: one with a large amount of data and the other with a limited amount of data. The results show that the modeling performance of the eT2QFNN is superior in comparison to baseline counterparts. Furthermore, eT2QFNN estimated the aerodynamic model with fewer rules compared to Type-1 fuzzy counterparts. In addition, by applying the Delta method to the proposed approach, the stability and control derivatives of the aircraft are analyzed. The results prove the superiority of the proposed eT2QFNN in representing aerodynamic coefficients.
- Abstract（参考訳）: 空力係数の正確なモデリングは、現代の航空機の性能の理解と最適化に不可欠である。
本稿では,ATTAS航空機の空力係数をモデル化し,空力特性を表現するための進化型2量子ファジィニューラルネットワーク(eT2QFNN)の新規展開について述べる。
eT2QFNNは、従来のバッチ学習アプローチではなく、漸進的な学習戦略によって規則に基づく構造を持つ複数の線形サブモデルを作成することで、非線形航空機モデルを表現することができる。
さらに、量子メンバシップ機能を通じて不確実性とデータノイズに対する堅牢性を高め、自動ルール学習とパラメータチューニング機能も強化する。
ATTASの飛行データから空力係数を推定する際,データ量の多いもの,データ量が少ないもの,データ量が少ないもの,の2つの実験を行った。
その結果,eT2QFNNのモデリング性能はベースラインに比べて優れていた。
さらに、eT2QFNNは、Type-1ファジィよりも少ない規則で空気力学モデルを推定した。
また,提案手法にデルタ法を適用し,航空機の安定性と制御特性を解析した。
その結果, 空力係数を表すため, 提案したeT2QFNNの優位性が証明された。
関連論文リスト
- FuncGenFoil: Airfoil Generation and Editing Model in Function Space [63.274584650021744]
本稿ではFuncGenFoilについて紹介する。FuncGenFoilは機能翼測地を直接学習する関数空間生成モデルである。
AFBenchデータセットの実験的評価は、FuncGenFoilが翼の生成における最先端の手法を改善することを示した。
論文 参考訳（メタデータ） (2025-02-15T07:56:58Z) - Fine-Tuning Hybrid Physics-Informed Neural Networks for Vehicle Dynamics Model Estimation [2.432448600920501]
本稿では、教師付きおよび教師なしの物理インフォームドニューラルネットワーク(PINN)を統合したFTHD法を提案する。
FTHDは、より小さなトレーニングデータセットを使用して、事前トレーニングされたDeep Dynamics Model(DDM)を微調整する。
拡張カルマンフィルタ(EKF)はFTHD内に埋め込まれ、ノイズの多い実世界のデータを効果的に管理し、正確な騒音を確実にする。
その結果, パラメータ推定精度は従来のモデルより大幅に向上し, 既存のモデルよりも優れていた。
論文 参考訳（メタデータ） (2024-09-29T10:33:07Z) - Airfoil Diffusion: Denoising Diffusion Model For Conditional Airfoil Generation [7.136205674624813]
拡散モデルを用いた翼生成のためのデータ駆動手法を提案する。
我々のモデルは、既存の翼のデータセットに基づいて訓練され、ランダムなベクトルから任意の数の新しい翼を生成することができる。
論文 参考訳（メタデータ） (2024-08-28T16:12:16Z) - Efficient GPT Model Pre-training using Tensor Train Matrix
Representation [65.96485282393361]
大規模なトランスフォーマーモデルは数十億のパラメータを特徴としており、デプロイが困難になり、スクラッチからトレーニングコストが禁じられている。
GPT-2アーキテクチャのパラメータ数を削減すべく、完全に接続された層の行列を対応するTrain Matrix(TTM)構造に置き換える。
GPTベースのモデルは最大40%のパラメータを格納し、元のモデルに匹敵するパープレキシティを示す。
論文 参考訳（メタデータ） (2023-06-05T08:38:25Z) - Machine learning enhanced real-time aerodynamic forces prediction based
on sparse pressure sensor inputs [7.112725255953468]
本稿では,少数の圧力センサを用いたデータ駆動型空気力予測モデルを提案する。
本モデルでは,2次元NACA0015翼の動的ストールデータと3次元ドローンの動的ストールデータの数値シミュレーションデータを用いて実験を行った。
論文 参考訳（メタデータ） (2023-05-16T06:15:13Z) - Inferring Traffic Models in Terminal Airspace from Flight Tracks and
Procedures [52.25258289718559]
本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。
任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
論文 参考訳（メタデータ） (2023-03-17T13:58:06Z) - Knowledge-embedded meta-learning model for lift coefficient prediction
of airfoils [25.546237636065182]
攻撃角度の異なる任意の超臨界翼の昇降係数を求めるために,知識埋め込みメタ学習モデルを開発した。
通常のニューラルネットワークと比較して,提案モデルでは,競合予測精度でより優れた一般化能力を示すことができる。
その結果, 提案モデルでは, 翼形状が物理的特性に与える影響を評価する傾向が示唆された。
論文 参考訳（メタデータ） (2023-03-06T02:47:31Z) - 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) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳（メタデータ） (2022-05-13T21:55:28Z) - Neural Operator with Regularity Structure for Modeling Dynamics Driven
by SPDEs [70.51212431290611]
偏微分方程式 (SPDE) は、大気科学や物理学を含む多くの分野において、力学をモデル化するための重要なツールである。
本研究では,SPDEによって駆動されるダイナミクスをモデル化するための特徴ベクトルを組み込んだニューラル演算子(NORS)を提案する。
動的Phi41モデルと2d Navier-Stokes方程式を含む様々なSPDE実験を行った。
論文 参考訳（メタデータ） (2022-04-13T08:53:41Z) - Airfoil's Aerodynamic Coefficients Prediction using Artificial Neural
Network [0.0]
右翼を見つけることは、あらゆる航空機の設計の予備段階における重要なステップである。
本研究では、異なるネットワークアーキテクチャとトレーニングデータセットを比較し、ネットワークが与えられた翼のジオメトリをどのように知覚するかについての洞察を得る。
論文 参考訳（メタデータ） (2021-09-24T19:07:19Z)
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。