論文の概要: Reducing base drag on road vehicles using pulsed jets optimized by hybrid genetic algorithms

• arxiv url: http://arxiv.org/abs/2510.26718v1
• Date: Thu, 30 Oct 2025 17:20:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 16:05:09.934944
• Title: Reducing base drag on road vehicles using pulsed jets optimized by hybrid genetic algorithms
• Title（参考訳）: ハイブリッド遺伝的アルゴリズムを用いたパルスジェットを用いた道路車両のベースドラッグ低減
• Authors: Isaac Robledo, Juan Alfaro, Víctor Duro, Alberto Solera-Rico, Rodrigo Castellanos, Carlos Sanmiguel Vila,
• Abstract要約: 本稿では, ブラフボディーモデルの後縁に4つのパルスジェットを用いたアクティブフロー制御実験を, 78,300ドルで実施した。 モデルフリーの最適化手法は、非直感的で多面的アクチュエータ戦略を効果的に識別し、重大かつエネルギ的に効率的なドラッグリダクションを実現できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Aerodynamic drag on flat-backed vehicles like vans and trucks is dominated by a low-pressure wake, whose control is critical for reducing fuel consumption. This paper presents an experimental study at $Re_W\approx 78,300$ on active flow control using four pulsed jets at the rear edges of a bluff body model. A hybrid genetic algorithm, combining a global search with a local gradient-based optimizer, was used to determine the optimal jet actuation parameters in an experiment-in-the-loop setup. The cost function was designed to achieve a net energy saving by simultaneously minimizing aerodynamic drag and penalizing the actuation's energy consumption. The optimization campaign successfully identified a control strategy that yields a drag reduction of approximately 10%. The optimal control law features a strong, low-frequency actuation from the bottom jet, which targets the main vortex shedding, while the top and lateral jets address higher-frequency, less energetic phenomena. Particle Image Velocimetry analysis reveals a significant upward shift and stabilization of the wake, leading to substantial pressure recovery on the model's lower base. Ultimately, this work demonstrates that a model-free optimization approach can successfully identify non-intuitive, multi-faceted actuation strategies that yield significant and energetically efficient drag reduction.
• Abstract（参考訳）: バンやトラックのような平らな車両の空気力学的な抗力は、低圧のウェイクによって支配され、燃料消費を減らすために制御が不可欠である。 本稿では, ブラフボディーモデルの後縁に4つのパルスジェットを用いたアクティブフロー制御実験を, 78,300ドルで実施した。 グローバルサーチと局所勾配に基づくオプティマイザを組み合わせたハイブリッド遺伝的アルゴリズムを用いて,ループ内実験における最適ジェットアクチュエータパラメータの同定を行った。 コスト関数は、空力抵抗を最小化し、アクチュエータのエネルギー消費をペナルティ化することにより、ネットエネルギーの節約を実現するように設計された。 最適化キャンペーンは、約10%のドラッグ削減をもたらす制御戦略をうまく特定した。 最適制御法則は、主渦シーディングを目標とする底面ジェットからの強い低周波作動を特徴とし、上面と横面ジェットは高周波でエネルギーの少ない現象に対処する。 Particle Image Velocimetry 解析により、ウェイクの大幅な上向きシフトと安定化が示され、モデル下部の圧力回復につながった。 最終的に、この研究はモデルなし最適化アプローチが、重要かつエネルギ的に効率的なドラッグリダクションをもたらす非直観的で多面的アクチュエータ戦略をうまく特定できることを実証している。

関連論文リスト

• Physics-informed Neural-operator Predictive Control for Drag Reduction in Turbulent Flows [109.99020160824553]
  乱流のモデリングと制御のための効率的な深部強化学習フレームワークを提案する。 予測制御(PC)のためのモデルベースRLであり、乱流制御のためのポリシとオブザーバモデルの両方を共同で学習する。 その結果, PINO-PCは, バルク速度レイノルズ数15,000で39.0%の抗力低下を達成し, 従来の流体制御法を32%以上上回った。
  論文  参考訳（メタデータ） (2025-10-03T00:18:26Z)
• Optimizing Diffusion Models for Joint Trajectory Prediction and Controllable Generation [49.49868273653921]
  拡散モデルは、自律運転における共同軌道予測と制御可能な生成を約束する。 最適ガウス拡散(OGD)と推定クリーンマニフォールド(ECM)誘導を導入する。 提案手法は生成過程の合理化を図り,計算オーバーヘッドを低減した実用的な応用を実現する。
  論文  参考訳（メタデータ） (2024-08-01T17:59:59Z)
• Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
  本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。 本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-02-29T14:53:55Z)
• A GOA-Based Fault-Tolerant Trajectory Tracking Control for an Underwater Vehicle of Multi-Thruster System without Actuator Saturation [9.371458775465825]
  本稿では,スラスタ損傷(パワーロス)を受けた水中車両(UV)の軌道追尾問題に対処するために,インテリジェントな耐故障制御(FTC)戦略を提案する。 提案した制御戦略では、速度変化を制御する改良されたバックステッピングアルゴリズムにより軌道追跡成分を形成し、スライディングモード制御によりトルク/フォース出力を減算する。
  論文  参考訳（メタデータ） (2023-01-04T21:30:16Z)
• Driver Assistance Eco-driving and Transmission Control with Deep Reinforcement Learning [2.064612766965483]
  本稿では, モデルフリー深部強化学習(RL)制御エージェントを提案する。 燃料消費を他の運転者の収容目標と交換し、最適な牽引トルクと伝達シフトポリシーを経験から学習する。 燃料効率テーブルの知識を十分に備えたベースラインコントローラと比較して, 燃料消費量の最小化に優れた性能を示す。
  論文  参考訳（メタデータ） (2022-12-15T02:52:07Z)
• A Hybrid Tracking Control Strategy for an Unmanned Underwater Vehicle Aided with Bioinspired Neural Dynamics [14.66072990853587]
  本稿では,バイオインスパイアされたニューラルダイナミクスモデルに基づく無人水中車両(UUV)のハイブリッド制御手法を提案する。 急激な速度ジャンプを回避し、スムーズな速度コマンドを提供するため、バックステッピング・キネマティック・コントロール・ストラテジーを改良した。 そこで,スムーズかつ連続的なトルク制御が可能なスライディングモード制御を提案する。
  論文  参考訳（メタデータ） (2022-09-03T19:18:54Z)
• Controlled Sparsity via Constrained Optimization or: How I Learned to Stop Tuning Penalties and Love Constraints [81.46143788046892]
  スパースラーニングを行う際には,スパーシティのレベルを制御するタスクに焦点をあてる。 スパーシリティを誘発する罰則に基づく既存の方法は、ペナルティファクターの高価な試行錯誤チューニングを含む。 本稿では,学習目標と所望のスパーシリティ目標によって,エンドツーエンドでスペーシフィケーションをガイドする制約付き定式化を提案する。
  論文  参考訳（メタデータ） (2022-08-08T21:24:20Z)
• Unified Automatic Control of Vehicular Systems with Reinforcement Learning [64.63619662693068]
  本稿では,車載マイクロシミュレーションの合理化手法について述べる。 最小限の手動設計で高性能な制御戦略を発見する。 この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
  論文  参考訳（メタデータ） (2022-07-30T16:23:45Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• Optimizing Airborne Wind Energy with Reinforcement Learning [0.0]
  強化学習(Reinforcement Learning)は、システムの事前の知識を必要とせずに、観察と利益ある行動とを関連付ける技術である。 シミュレーション環境において、強化学習は、遠距離で車両を牽引できるように、カイトを効率的に制御する方法を見出した。
  論文  参考訳（メタデータ） (2022-03-27T10:28:16Z)
• Safe Model-based Off-policy Reinforcement Learning for Eco-Driving in Connected and Automated Hybrid Electric Vehicles [3.5259944260228977]
  本研究は,エコドライブ問題に対するセーフオフポジーモデルに基づく強化学習アルゴリズムを提案する。 提案アルゴリズムは, モデルフリーエージェントと比較して, 平均速度が高く, 燃費も良好である。
  論文  参考訳（メタデータ） (2021-05-25T03:41:29Z)

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。