論文の概要: Estimating Flow Velocity and Vehicle Angle-of-Attack from Non-invasive Piezoelectric Structural Measurements Using Deep Learning

• arxiv url: http://arxiv.org/abs/2603.23496v1
• Date: Tue, 24 Mar 2026 17:58:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.631661
• Title: Estimating Flow Velocity and Vehicle Angle-of-Attack from Non-invasive Piezoelectric Structural Measurements Using Deep Learning
• Title（参考訳）: 深層学習を用いた非侵襲圧電構造測定による流れ速度と車両角の推定
• Authors: Chandler B. Smith, S. Hales Swift, Andrew Steyer, Ihab El-Kady,
• Abstract要約: 空力負荷予測,飛行制御,モデル検証には,自由流速度や攻撃角度などの空力状態変数の正確な推定が重要である。 本研究は, ピボット管などの直接流量計ではなく, 構造振動測定から車両速度とAoAを推定する非侵襲的手法を提案する。 概念実証は、ゼロと非ゼロのAoA構成、マッハ5とマッハ8条件、一定かつ連続的なトンネル操作にまたがるサンディアの超音速風洞の制御実験を通じて実証される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate estimation of aerodynamic state variables such as freestream velocity and angle of attack (AoA) is important for aerodynamic load prediction, flight control, and model validation. This work presents a non-intrusive method for estimating vehicle velocity and AoA from structural vibration measurements rather than direct flow instrumentation such as pitot tubes. A dense array of piezoelectric sensors mounted on the interior skin of an aeroshell capture vibrations induced by turbulent boundary layer pressure fluctuations, and a convolutional neural network (CNN) is trained to invert these structural responses to recover velocity and AoA. Proof-of-concept is demonstrated through controlled experiments in Sandia's hypersonic wind tunnel spanning zero and nonzero AoA configurations, Mach~5 and Mach~8 conditions, and both constant and continuously varying tunnel operations. The CNN is trained and evaluated using data from 16 wind tunnel runs, with a temporally centered held-out interval within each run used to form training, validation, and test datasets and assess intra-run temporal generalization. Raw CNN predictions exhibit increased variance during continuously varying conditions; a short-window moving-median post-processing step suppresses this variance and improves robustness. After post-processing, the method achieves a mean velocity error relative to the low-pass filtered reference velocity below 2.27~m/s (0.21\%) and a mean AoA error of $0.44^{\circ} (8.25\%)$ on held-out test data from the same experimental campaign, demonstrating feasibility of vibration-based velocity and AoA estimation in a controlled laboratory environment.
• Abstract（参考訳）: 空力負荷予測,飛行制御,モデル検証には,自由流速度や攻撃角度などの空力状態変数の正確な推定が重要である。 本研究は, ピボット管などの直接流量計ではなく, 構造振動測定から車両速度とAoAを推定する非侵襲的手法を提案する。 乱流境界層圧力変動によって誘導されるエアシェル捕獲振動の内皮に装着された圧電センサの高密度配列と、これらの構造応答を逆転させて速度とAoAを回復させる畳み込みニューラルネットワーク(CNN)を訓練する。 概念実証は、ゼロと非ゼロのAoA構成、Mach~5とMach~8条件、および一定かつ連続的なトンネル操作にまたがるサンディアの超音速風洞の制御実験を通じて実証される。 CNNは、トレーニング、検証、テストデータセットの作成と実行中の時間内一般化の評価に使用される各ラン内で時間中心のホールトアウト間隔を持つ16の風洞ランのデータを使用して、トレーニングされ、評価される。 生CNN予測は、連続的に変化する条件下でのばらつきの増加を示し、短ウィンドウ移動中間処理ステップは、このばらつきを抑制し、ロバスト性を改善する。 後処理後、制御された実験室内環境における振動ベース速度とAoA推定の実現可能性を示すため、低パスフィルタされた基準速度に対して2.27〜m/s (0.21\%)未満の平均速度誤差と、同じ実験結果からの保持試験データに対する平均AoA誤差を0.44^{\circ} (8.25\%)$とする。

関連論文リスト

• On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
  本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。 CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。 我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
  論文  参考訳（メタデータ） (2025-12-30T06:29:20Z)
• Design and Implementation of a High-Precision Wind-Estimation UAV with Onboard Sensors [4.9295028416281985]
  本稿では,オンボードセンサのみを用いたリアルタイム風速推定手法を提案する。 システムは、風洞、屋内および屋外飛行における総合的な実験を通じて検証される。
  論文  参考訳（メタデータ） (2025-12-11T08:39:55Z)
• Full waveform inversion with CNN-based velocity representation extension [4.255346660147713]
  フルウェーブフォームインバージョン(FWI)は、観測データとシミュレーションデータとの差を最小限にして速度モデルを更新する。 数値モデリングおよび不完全地震データ取得における離散化誤差は、隣接演算子を介して伝搬するノイズを導入することができる。 我々は、前方シミュレーションを実行する前に速度モデルを洗練するために畳み込みニューラルネットワーク(CNN)を用いる。 速度とネットワークパラメータの両方を更新するために、同じデータ不適合損失を使用して、自己教師付き学習手順を作成します。
  論文  参考訳（メタデータ） (2025-04-22T12:14:38Z)
• Fast Information Streaming Handler (FisH): A Unified Seismic Neural Network for Single Station Real-Time Earthquake Early Warning [56.45067876391473]
  既存のEEWアプローチは、フェーズの選択、位置推定、大きさ推定を独立したタスクとして扱い、統一されたフレームワークを欠いている。 我々は高速情報ストリーミングハンドラー(FisH)と呼ばれる新しい統合型地震波ニューラルネットワークを提案する。 FisHは、リアルタイムストリーミング地震データを処理し、位相選択、位置推定、大きさ推定をエンドツーエンドで同時生成するように設計されている。
  論文  参考訳（メタデータ） (2024-08-13T04:33:23Z)
• Inferring turbulent velocity and temperature fields and their statistics from Lagrangian velocity measurements using physics-informed Kolmogorov-Arnold Networks [3.7130378544005844]
  実験乱流速度データから隠れた温度場を推定するためのAIVT法を提案する。 具体的には、AIVTは物理インフォームされたコルモゴロフ・アルノルドネットワーク(ニューラルネットワークではない)に基づいており、複合損失関数の最適化によって訓練されている。 乱流の直接数値シミュレーション (DNS) に匹敵する忠実度でスパース実験データから連続的, 即時的な速度場と温度場を再構成し, 推定できることを実証した。
  論文  参考訳（メタデータ） (2024-07-22T15:30:21Z)
• Forecasting subcritical cylinder wakes with Fourier Neural Operators [58.68996255635669]
  実験によって測定された速度場の時間的変化を予測するために,最先端の演算子学習手法を適用した。 その結果、FNOはレイノルズ数の範囲で実験速度場の進化を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2023-01-19T20:04:36Z)
• StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
  将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。 本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。 本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
  論文  参考訳（メタデータ） (2022-07-21T12:03:02Z)
• Data-driven Full-waveform Inversion Surrogate using Conditional Generative Adversarial Networks [0.0]
  フル波形インバージョン(FWI)速度モデリングは、正確で詳細な速度場モデルを提供する反復的な高度な技術です。 本研究では,複数の入力を持つ条件付き生成逆数ネットワーク(cGAN)を用いて,FWIによって得られた速度場モデルを生成する手法を提案する。
  論文  参考訳（メタデータ） (2021-04-30T21:41:24Z)
• Transition control of a tail-sitter UAV using recurrent neural networks [80.91076033926224]
  制御戦略は姿勢と速度安定化に基づいている。 RNNは高非線形空力項の推定に用いられる。 その結果, 遷移操作時の直線速度とピッチ角の収束性を示した。
  論文  参考訳（メタデータ） (2020-06-29T21:33:30Z)

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。