論文の概要: Reinforcement Learning for Synchronised Flow Control in a Dual-Gate Resin Infusion System

• arxiv url: http://arxiv.org/abs/2506.23923v1
• Date: Mon, 30 Jun 2025 14:50:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:54.109291
• Title: Reinforcement Learning for Synchronised Flow Control in a Dual-Gate Resin Infusion System
• Title（参考訳）: 二重ゲート型樹脂注入システムにおける同期流制御のための強化学習
• Authors: Miguel Camacho-Sánchez, Fernando García-Torres, Jesper John Lisegaard, Rocío del Amor, Sankhya Mohanty, Valery Naranjo,
• Abstract要約: 本稿では,2つのレジン入口と1つの出口を含む注入シナリオにおいて,レジンフローフロントを同期させる強化学習(RL)戦略を提案する。 以上の結果から, 複合材料製造におけるプロセス制御, 製品品質向上に向けたRL法の有効性が示された。
• 参考スコア（独自算出の注目度）: 39.17076921848441
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Resin infusion (RI) and resin transfer moulding (RTM) are critical processes for the manufacturing of high-performance fibre-reinforced polymer composites, particularly for large-scale applications such as wind turbine blades. Controlling the resin flow dynamics in these processes is critical to ensure the uniform impregnation of the fibre reinforcements, thereby preventing residual porosities and dry spots that impact the consequent structural integrity of the final component. This paper presents a reinforcement learning (RL) based strategy, established using process simulations, for synchronising the different resin flow fronts in an infusion scenario involving two resin inlets and a single outlet. Using Proximal Policy Optimisation (PPO), our approach addresses the challenge of managing the fluid dynamics in a partially observable environment. The results demonstrate the effectiveness of the RL approach in achieving an accurate flow convergence, highlighting its potential towards improving process control and product quality in composites manufacturing.
• Abstract（参考訳）: 樹脂注入 (RI) と樹脂転写成形 (RTM) は高性能繊維強化ポリマー複合材料の製造において重要なプロセスであり、特に風力タービンブレードのような大規模用途において重要である。 これらのプロセスにおけるレジンフローの動的制御は、繊維強化の均一な不規則性を確保するために重要であり、それによって最終成分の構造的整合性に影響を及ぼす残留ポロシティや乾燥スポットを防止できる。 本稿では,2つのレジン入口と1つの出口を含む注入シナリオにおいて,異なるレジンフローフロントを同期させるプロセスシミュレーションを用いて構築した強化学習(RL)に基づく戦略を提案する。 PPO(Proximal Policy Optimisation)を用いて、部分的に観測可能な環境で流体力学を管理するという課題に対処する。 以上の結果から, 複合材料製造におけるプロセス制御, 製品品質向上に向けたRL法の有効性が示された。

関連論文リスト

• Effectiveness of the DEJAMPS purification protocol in noisy entangled photon systems, a Monte Carlo simulation [0.0]
  絡み合いの浄化は量子通信にとって重要な技術である。 偏光結合光子対に適用されたDEJMPS浄化プロトコルに関するモンテカルロの総合的研究について述べる。
  論文  参考訳（メタデータ） (2025-06-28T09:45:25Z)
• Flow-GRPO: Training Flow Matching Models via Online RL [75.70017261794422]
  本稿では,オンライン強化学習(RL)をフローマッチングモデルに統合する最初の方法であるFlow-GRPOを提案する。 提案手法では, 1 つの主要な戦略を用いる:(1) 決定論的正規方程式 (ODE) を, 1 つの時点における原モデルの限界分布に一致する等価な微分方程式 (SDE) に変換するODE-to-SDE 変換と、(2) 元の推論タイムステップ数を保ちながらトレーニングの段階を減らし,
  論文  参考訳（メタデータ） (2025-05-08T17:58:45Z)
• Killing Two Birds with One Stone: Unifying Retrieval and Ranking with a Single Generative Recommendation Model [71.45491434257106]
  Unified Generative Recommendation Framework (UniGRF)は、検索とランキングを単一の生成モデルに統合する新しいアプローチである。 ステージ間コラボレーションを強化するため、UniGRFはランキング駆動エンハンサーモジュールを導入した。 UniGRFは、ベンチマークデータセット上で既存のモデルよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-04-23T06:43:54Z)
• ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
  音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。 Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。 モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
  論文  参考訳（メタデータ） (2025-03-27T16:39:40Z)
• Efficiency Meets Fidelity: A Novel Quantization Framework for Stable Diffusion [9.402892455344677]
  安定拡散モデル(SDM)のための効率的な量子化フレームワークを提案する。 我々のフレームワークはトレーニングと推論の一貫性を同時に維持し、最適化の安定性を確保する。 本手法は,訓練時間を短縮した最先端手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-12-09T17:00:20Z)
• Efficient Generation of Molecular Clusters with Dual-Scale Equivariant Flow Matching [5.909830898977327]
  トレーニングと推論を粗い粒度と全原子ステージに分離する2次元フローマッチング法を開発した。 MDシミュレーションにより得られたY6分子クラスターのデータセット上で,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-10-10T02:17:27Z)
• MFRL-BI: Design of a Model-free Reinforcement Learning Process Control Scheme by Using Bayesian Inference [5.375049126954924]
  プロセス制御方式の設計は、製造システムのばらつきを低減するために品質保証に不可欠である。 本稿では,モデルフリー強化学習(MFRL)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-17T08:18:55Z)
• Learning Energy-Based Models by Cooperative Diffusion Recovery Likelihood [64.95663299945171]
  高次元データに基づくエネルギーベースモデル(EBM)の訓練は、困難かつ時間を要する可能性がある。 EBMと、GANや拡散モデルのような他の生成フレームワークとの間には、サンプル品質に顕著なギャップがある。 本研究では,協調拡散回復可能性 (CDRL) を提案する。
  論文  参考訳（メタデータ） (2023-09-10T22:05:24Z)
• Single-step deep reinforcement learning for open-loop control of laminar and turbulent flows [0.0]
  本研究は,流体力学系の最適化と制御を支援するための深部強化学習(DRL)技術の能力を評価する。 原型ポリシー最適化(PPO)アルゴリズムの新たな"退化"バージョンを組み合わせることで、学習エピソード当たり1回だけシステムを最適化するニューラルネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2020-06-04T16:11:26Z)

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。