論文の概要: FlapKAD: A Simulation Dataset of Coupled Wing Kinematics and Aerodynamic Dynamics for Flapping-Wing Aerial Vehicles

• arxiv url: http://arxiv.org/abs/2609.38719v1
• Date: Wed, 30 Sep 2026 00:53:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.915433
• Title: FlapKAD: A Simulation Dataset of Coupled Wing Kinematics and Aerodynamic Dynamics for Flapping-Wing Aerial Vehicles
• Title（参考訳）: FlapKAD: 羽ばたき航空機の複合翼キネマティクスと空力力学のシミュレーションデータセット
• Abstract要約: 羽ばたき航空機の実験とモデル化は、大規模記録の不足によって制限される。 FlapKADは2000回の剛体翼飛行と720,152回の有効時間ステップからなるエピソード構造シミュレーションデータセットである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Experimental investigation and modeling of flapping-wing aerial vehicles are limited by the scarcity of large-scale records that temporally align wing kinematics, aerodynamic responses, and flight states. Existing datasets are often limited in scale and affected by measurement noise and temporal misalignment between rapidly varying wing motion and the associated dynamic response, particularly during high-frequency flapping. We introduce FlapKAD, an episode-structured simulation dataset comprising 2,000 rigid-wing flight episodes and 720,152 valid time steps, with bilateral wing kinematics, aerodynamic responses, and flight states recorded synchronously within a common clock. FlapKAD supports a unified bidirectional sequence-prediction benchmark constructed from the same temporally aligned episodes. The forward task predicts future vertical force coefficients and body vertical velocity from histories of realized flap and twist angles, whereas the inverse task reconstructs future flap- and twist-angle trajectories from the corresponding response histories. A benchmark of eight representative time-series architectures across multiple prediction horizons reveals direction- and horizon-dependent model behavior, systematically higher reconstruction errors for twist angle than for flap angle, and no consistent advantage from increased architectural complexity. FlapKAD provides a reproducible dataset and benchmark for studying coupled wing-kinematic, aerodynamic, and flight-state dynamics in flapping-wing aerial vehicles.
• Abstract（参考訳）: 羽ばたき航空機の実験とモデル化は、翼運動学、空力応答、飛行状態を時間的に整列する大規模記録の不足によって制限される。 既存のデータセットは、しばしば大規模に制限され、特に高周波の羽ばたきにおいて、急速に変化する翼の動きと関連する動的応答の間の時間的ずれによって影響される。 本研究では,2000回の剛性翼飛行エピソードと720,152回の有効時間ステップからなるエピソード構造化シミュレーションデータセットFlapKADを紹介した。 FlapKADは、同じ時間的に整列したエピソードから構築された統合双方向シーケンス予測ベンチマークをサポートする。 前方タスクは、実現されたフラップとツイスト角の履歴から将来の垂直力係数と体垂直速度を予測する一方、逆タスクは、対応する応答履歴から将来のフラップとツイスト角の軌跡を再構成する。 複数の予測地平線にまたがる8つの代表的な時系列アーキテクチャのベンチマークでは、方向依存と地平線依存のモデル挙動、ひねり角度に対する体系的に高い再構成誤差、アーキテクチャの複雑さの増加による一貫した優位性などを明らかにしている。 FlapKADは、羽ばたき航空機における翼運動、空力、飛行状態のダイナミクスを結合して研究するための再現可能なデータセットとベンチマークを提供する。

関連論文リスト

• Bounded Channel-Adaptive Spectral Learning for Forward-Consistent Inverse Flapping-Wing Aerodynamics [0.0]
  羽ばたき翼の車両は、ストローク、偏差、ピッチ運動の調整された変化を通じて空気力学力とモーメントを調節する。 既存のシーケンスモデルは時間的依存を捉え、スペクトル法はフラッピング運動の周期的構造を利用することができる。 本稿では,繰り返し時間予測を主表現として保持するBCS-GRU(Bunded Channel-Adaptive Spectral Residual Gated Recurrent Unit)を提案する。
  論文  参考訳（メタデータ） (2026-09-30T01:06:24Z)
• Aerodynamic Prior-Free Coordinated Trajectory Generation and Tracking Control for a Tail-Sitter UAV [12.969498615739655]
  本稿では,尾翼型無人航空機(UAV)の軌道生成と追尾制御の枠組みを提案する。 中心となるイノベーションは、異なる機能特性に合わせて計画と追跡のためにフェーズ固有の空力モデリング戦略を採用することである。 提案手法は, 温暖な風環境下での実世界の飛行実験とシミュレーションにより, 広範囲に評価されている。
  論文  参考訳（メタデータ） (2026-09-10T15:22:59Z)
• From Time Series to State: Situation-Aware Modeling for Air Traffic Flow Prediction [28.381858327505828]
  航空交通予測のための直接状態間モデリングフレームワークである textitAeroSense を提案する。 エアロセンス(AeroSense)は、航空機の状態のテキストタダイナミックセットとしてリアルタイムの航空状況を表しており、可変数の航空機の直接処理を可能にする。 大規模な実世界の空港データセットの実験は、AeroSenseが常に最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-04-13T08:54:19Z)
• SFTformer: A Spatial-Frequency-Temporal Correlation-Decoupling Transformer for Radar Echo Extrapolation [15.56594998349013]
  レーダエコーの空間形態と時間的進化はある程度の相関関係を示すが、それらは独立性を持っている。 レーダエコーのダイナミックスを効果的にモデル化するために,時空間相関分離変換器(SFTformer)を提案する。 HKO-7 と ChinaNorth-2021 データセットの実験結果から,SFTfomer の短時間 (1h), 中期 (2h), 長期 (3h) 降水量に優れた性能を示した。
  論文  参考訳（メタデータ） (2024-02-28T04:43:41Z)
• Attractor Memory for Long-Term Time Series Forecasting: A Chaos Perspective [63.60312929416228]
  textbftextitAttraosはカオス理論を長期時系列予測に取り入れている。 本研究では,AttraosがPatchTSTと比較して,パラメータの12分の1しか持たない主流データセットやカオスデータセットにおいて,LTSF法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-02-18T05:35:01Z)

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。