論文の概要: A Data-Based Architecture for Flight Test without Test Points

• arxiv url: http://arxiv.org/abs/2506.02315v1
• Date: Mon, 02 Jun 2025 23:05:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.171194
• Title: A Data-Based Architecture for Flight Test without Test Points
• Title（参考訳）: テストポイントのない飛行テストのためのデータベースアーキテクチャ
• Authors: D. Isaiah Harp, Joshua Ott, John Alora, Dylan Asmar,
• Abstract要約: 本研究では,航空機の低次モデル(ROM)を作成する機械学習手法を提案する。 ROMはパイロットが飛ぶあらゆる条件に基づいて予測を生成することができる。 本稿では,T-38C飛行試験データを用いて,この「ポイントレス」アーキテクチャの単一例を示す。
• 参考スコア（独自算出の注目度）: 1.9820694575112385
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The justification for the "test point" derives from the test pilot's obligation to reproduce faithfully the pre-specified conditions of some model prediction. Pilot deviation from those conditions invalidates the model assumptions. Flight test aids have been proposed to increase accuracy on more challenging test points. However, the very existence of databands and tolerances is the problem more fundamental than inadequate pilot skill. We propose a novel approach, which eliminates test points. We start with a high-fidelity digital model of an air vehicle. Instead of using this model to generate a point prediction, we use a machine learning method to produce a reduced-order model (ROM). The ROM has two important properties. First, it can generate a prediction based on any set of conditions the pilot flies. Second, if the test result at those conditions differ from the prediction, the ROM can be updated using the new data. The outcome of flight test is thus a refined ROM at whatever conditions were flown. This ROM in turn updates and validates the high-fidelity model. We present a single example of this "point-less" architecture, using T-38C flight test data. We first use a generic aircraft model to build a ROM of longitudinal pitching motion as a hypersurface. We then ingest unconstrained flight test data and use Gaussian Process Regression to update and condition the hypersurface. By proposing a second-order equivalent system for the T-38C, this hypersurface then generates parameters necessary to assess MIL-STD-1797B compliance for longitudinal dynamics.
• Abstract（参考訳）: テストポイント」の正当化は、テストパイロットがいくつかのモデル予測の所定の条件を忠実に再現する義務に由来する。 これらの条件からのパイロットの逸脱は、モデルの仮定を無効にする。 より困難なテストポイントの精度を高めるために、フライトテストアシストが提案されている。 しかし、データバンドと寛容性の存在は、不適切なパイロットスキルよりも根本的な問題である。 テストポイントを排除した新しいアプローチを提案する。 航空車両の高忠実度デジタルモデルから始める。 このモデルを用いて点予測を生成する代わりに、機械学習を用いて低次モデル(ROM)を生成する。 ROMには2つの重要な性質がある。 まず、パイロットが飛ぶあらゆる条件に基づいて予測を生成する。 第二に、これらの条件での試験結果が予測と異なる場合、新しいデータを用いてROMを更新することができる。 飛行試験の結果は、どんな条件で飛行したとしても改良されたROMとなる。 このROMは高忠実度モデルを更新し検証する。 本稿では,T-38C飛行試験データを用いて,この「ポイントレス」アーキテクチャの単一例を示す。 まず, 航空機の汎用モデルを用いて, 垂直ピッチ運動のROMを超表面として構築する。 次に、制約のない飛行試験データを取り込み、ガウス過程回帰を用いて超表面を更新し、条件付けする。 T-38Cの2階等価系の提案により、この超曲面は、縦方向力学に対するMIL-STD-1797Bコンプライアンスを評価するのに必要なパラメータを生成する。

関連論文リスト

• Physics-informed Gaussian Processes for Safe Envelope Expansion [35.86317155999886]
  物理インフォームド平均関数を持つガウス過程(GP)を用いた飛行テスト解析の新しい手法を提案する。 本研究では,事前定義された飛行試験点や繰り返し飛行試験点を必要とせずにピッチングモーメント係数を推定し,提案手法を実証する。
  論文  参考訳（メタデータ） (2025-01-02T01:37:15Z)
• Open-Source High-Speed Flight Surrogate Modeling Framework [0.0]
  高速飛行車は音速よりもはるかに速く走行し、国防と宇宙探査に不可欠である。 様々な飛行条件下での行動の正確な予測は困難であり、しばしば高価である。 提案されたアプローチでは、より賢く、より効率的な機械学習モデルを作成する。
  論文  参考訳（メタデータ） (2024-11-06T01:34:06Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Learning Generative Models for Climbing Aircraft from Radar Data [0.0]
  本稿では,標準航空機データ(BADA)モデルがデータから学習した推力の関数的補正によって強化された登山用航空機の生成モデルを提案する。 この手法には3つの特徴がある: BADAと比較すると66.3%の誤差で到着時刻を予測する; テストデータと比較すると現実的な軌道を生成する。
  論文  参考訳（メタデータ） (2023-09-26T13:53:53Z)
• A Bayesian Programming Approach to Car-following Model Calibration and Validation using Limited Data [0.0]
  ワークゾーン(WZ)は、これまでのモデルが現実的な運転行動を再現していないシナリオのひとつです。 これにより、WZを設計する際の安全性やその他のメトリクスの最適化が困難になる。 データ分析とパラメータ推定にベイジアン法を使用し、可能であればこれらの問題に対処します。
  論文  参考訳（メタデータ） (2023-07-19T20:01:38Z)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [39.89295870460643]
  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簡易確率モデルを提案する。 我々は、ガウス混合モデルから一連の偏差をサンプリングし、航空機の軌道を再構築することで合成軌道を生成する。 本研究は、ジョン・F・ケネディ国際空港の着地軌道と着地手順に関するモデルについて紹介する。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)
• 4D flight trajectory prediction using a hybrid Deep Learning prediction method based on ADS-B technology: a case study of Hartsfield-Jackson Atlanta International Airport(ATL) [2.2118683064997264]
  本稿では,ハーツフィールド・ジャクソン・アトランタ国際空港(ATL)の予測モデルの不確実性を考慮した空間的・時間的特徴を抽出するハイブリッドディープラーニングモデルを提案する。 その結果,提案モデルは他のモデル(3D CNN, CNN-GRU)と比較して誤差が低いことがわかった。
  論文  参考訳（メタデータ） (2021-10-14T23:48:44Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
  少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。 ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
  論文  参考訳（メタデータ） (2021-04-11T12:14:04Z)
• Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
  センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。 我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
  論文  参考訳（メタデータ） (2020-08-13T17:20:02Z)

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。