論文の概要: A Deep Learning Density Shaping Model Predictive Gust Load Alleviation Control of a Compliant Wing Subjected to Atmospheric Turbulence

• arxiv url: http://arxiv.org/abs/2511.13745v1
• Date: Thu, 13 Nov 2025 12:00:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:52.669658
• Title: A Deep Learning Density Shaping Model Predictive Gust Load Alleviation Control of a Compliant Wing Subjected to Atmospheric Turbulence
• Title（参考訳）: 大気乱流を受けるコンピレントウィングの深層学習密度形状モデル予測グスト負荷軽減制御
• Authors: Seid H. Pourtakdoust, Amir H. Khodabakhsh,
• Abstract要約: 本研究は、グスト負荷緩和(GLA)の強化を目的とした新しい深層学習手法を提案する。 提案手法は,確率密度整形のための深層学習モデル予測制御器を用いる。 その結果、ガスト荷重を緩和し、翼先端の偏向を低減するための確率密度整形モデル予測制御の有効性が示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This study presents a novel deep learning approach aimed at enhancing stochastic Gust Load Alleviation (GLA) specifically for compliant wings. The approach incorporates the concept of smooth wing camber variation, where the camber of the wing's chord is actively adjusted during flight using a control signal to achieve the desired aerodynamic loading. The proposed method employs a deep learning-based model predictive controller designed for probability density shaping. This controller effectively solves the probability density evolution equation through a custom Physics-Informed Neural Network (PINN) and utilizes Automatic Differentiation for Model Predictive Control (MPC) optimization. Comprehensive numerical simulations were conducted on a compliant wing (CW) model, evaluating performance of the proposed approach against stochastic gust profiles. The evaluation involved stochastic aerodynamic loads generated from Band-Limited White Noise (BLWN) and Dryden gust models. The evaluation were conducted for two distinct Compliant Chord Fractions (CCF). The results demonstrate the effectiveness of the proposed probability density shaping model predictive control in alleviating stochastic gust load and reducing wing tip deflection.
• Abstract（参考訳）: 本研究は, 適応翼に特化した確率的グスト負荷緩和(GLA)の強化を目的とした, 新たな深層学習手法を提案する。 このアプローチはスムーズなウィングカムバー変動の概念を取り入れており、飛行中に制御信号を用いて翼の弦のカムバーをアクティブに調整し、所望の空気力学的負荷を達成する。 提案手法は,確率密度整形のための深層学習モデル予測制御器を用いる。 この制御器は、カスタム物理情報ニューラルネットワーク(PINN)を用いて確率密度進化方程式を効果的に解き、モデル予測制御(MPC)の最適化に自動微分を利用する。 適応翼 (CW) モデルを用いて総合数値シミュレーションを行い, 確率的ガストプロファイルに対する提案手法の性能評価を行った。 評価には,Band-Limited White Noise (BLWN) とDryden gustモデルから発生する確率的空力負荷が関与した。 CCF (Compliant Chord Fractions) とCCF (Compliant Chord Fractions) を比較した。 その結果, 確率密度形状予測モデルの有効性が, 確率的ガスト荷重の軽減と翼先端の偏向低減に有効であることが示唆された。

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)
• DriftLite: Lightweight Drift Control for Inference-Time Scaling of Diffusion Models [22.823183347642132]
  本研究では,拡散モデルに対する予測時間スケーリングについて検討し,事前学習したモデルを新たなターゲット分布に適応させることを目標とする。 DriftLiteは軽量でトレーニング不要な粒子ベースのアプローチで、飛行中の推論ダイナミクスを最適に安定に制御する。
  論文  参考訳（メタデータ） (2025-09-25T22:21:59Z)
• Generative method for aerodynamic optimization based on classifier-free guided denoising diffusion probabilistic model [7.228021064624876]
  逆設計アプローチは、指定された性能目標を満たすために、ニューラルネットワークモデルによる最適空力形状を直接生成する。 本論文では,CDDPMモデルに基づく翼内逆設計手法を革新的に提案する。 現在の最先端のワッサースタイン生成敵ネットワーク法と比較すると、CDDPMは翼生成タスクにおいて33.6%の精度向上を実現している。
  論文  参考訳（メタデータ） (2025-03-10T08:42:26Z)
• An Empirical Wall-Pressure Spectrum Model for Aeroacoustic Predictions Based on Symbolic Regression [36.814181034608666]
  本稿では,電流予測の堅牢性と精度を高めるために,新しい壁圧スペクトル実験モデルを提案する。 このモデルは、遺伝的アルゴリズムに基づくアプローチを用いて、AIに基づく象徴的回帰を用いて開発されている。 これは、フルスケールの風力タービンの空気音響ノイズを予測するために、Amietの理論と統合されている。
  論文  参考訳（メタデータ） (2025-01-14T14:14:22Z)
• Model-Free versus Model-Based Reinforcement Learning for Fixed-Wing UAV Attitude Control Under Varying Wind Conditions [1.474723404975345]
  本稿では、PIDを基準点として、固定翼無人航空機の姿勢制御のためのモデルフリーおよびモデルベース強化学習の性能を評価し、比較する。 その結果, 時間差モデル予測制御は, PIDコントローラと他のモデルレス強化学習法の両方で, 精度と頑健さの点で優れていた。
  論文  参考訳（メタデータ） (2024-09-26T14:47:14Z)
• Unmasking Bias in Diffusion Model Training [40.90066994983719]
  拡散モデルが画像生成の主流のアプローチとして登場した。 トレーニングの収束が遅く、サンプリングのカラーシフトの問題に悩まされている。 本稿では,これらの障害は,既定のトレーニングパラダイムに固有のバイアスや準最適性に大きく起因していると考えられる。
  論文  参考訳（メタデータ） (2023-10-12T16:04:41Z)
• Model Predictive Control with Gaussian-Process-Supported Dynamical Constraints for Autonomous Vehicles [82.65261980827594]
  本研究では、学習したガウス過程を利用して人間の運転行動を予測する自動運転車のモデル予測制御手法を提案する。 マルチモード予測制御アプローチは、人間のドライバーの意図を考察する。
  論文  参考訳（メタデータ） (2023-03-08T17:14:57Z)
• Interpretable Stochastic Model Predictive Control using Distributional Reinforced Estimation for Quadrotor Tracking Systems [0.8411385346896411]
  本研究では,動的・複雑環境下での自律的四角形ナビゲーションのためのトラジェクトリトラッカーを提案する。 提案フレームワークは,未知の空力効果に対する分散強化学習推定器をモデル予測制御器に統合する。 我々は,未知かつ多様な空気力を用いて,累積追従誤差を少なくとも66%改善するシステムを実証した。
  論文  参考訳（メタデータ） (2022-05-14T23:27:38Z)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)
• Control as Hybrid Inference [62.997667081978825]
  本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。 連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
  論文  参考訳（メタデータ） (2020-07-11T19:44:09Z)

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。