論文の概要: Structure-preserving reduced-order models of thin panels in supersonic and hypersonic flow

• arxiv url: http://arxiv.org/abs/2610.31504v1
• Date: Thu, 22 Oct 2026 16:19:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.473641
• Title: Structure-preserving reduced-order models of thin panels in supersonic and hypersonic flow
• Title（参考訳）: 超音速・超音速流中における薄板の構造保存縮小次モデル
• Abstract要約: AePW-4 High-Speed Working Group の問題に対する構造保存型低次モデルを構築した。 したがって、物理はモデルの形式によってもたらされなければならない。 RC-19では、衝撃関係はパネル全体の圧力比1.521を予測している。 HyMAXでは、学習されたモデルは65msの基準モデルの後縁変位に従っており、相対誤差は3.7%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: We build structure-preserving reduced-order models for both challenge problems of the AePW-4 High-Speed Working Group. They are a clamped thin panel at Mach 1.92 (RC-19) and a cantilever plate at Mach 5.85 (HyMAX). The published data for each case hold no time-resolved response and no repeated runs. The physics must therefore be carried by the form of the model. One construction gives two models per problem. A Ritz-Galerkin reference model describes the plate. A learned model keeps the reference model's exact potential, fits the remaining generalized forces, and trains only a dissipation that cannot add energy. Its energy balance holds for any weights by construction. On the trained model the worst relative residual is 2.2e-15. On RC-19, shock relations predict a pressure ratio of 1.521 across the panel. Pressure-sensitive paint measured the same value. Thirty runs of the learned model place the mean dominant frequency within 1.0% of the measured 236 Hz. At one periodic and one chaotic condition, the learned model reproduces the response regime of a published reduced-order model in all sixteen runs. It does so without that model's 113 Hz spectral peak, which the measurements do not show. Measured displacements can also correct the chaotic response through one more force that respects the energy balance. We tested this on synthetic data at the experiment's 5 kHz sampling rate. The state error is 1.25% of the panel thickness without noise and 3.5% with 10 micrometers of noise. On HyMAX the learned model follows the reference model's trailing-edge displacement for 65 ms with a relative error of 3.7%. These results show that a model whose structure carries the physics can match measured flutter behavior when the available data cannot train it.
• Abstract（参考訳）: AePW-4 High-Speed Working Group の両課題に対して,構造保存型低次モデルを構築した。 マッハ1.92 (RC-19) の薄いパネルと、マッハ5.85 (HyMAX) のカンチレバープレートである。 各ケースの公開されたデータは、タイムリゾルバの応答や繰り返し実行は保持しない。 したがって、物理はモデルの形式によってもたらされなければならない。 1つの構造は問題ごとに2つのモデルを与えます。 Ritz-Galerkin参照モデルは、プレートを記述する。 学習されたモデルは、参照モデルの正確なポテンシャルを保持し、残りの一般化された力に適合し、エネルギーを増すことができない散逸のみを訓練する。 そのエネルギー収支は建設によってどんな重みでも維持される。 訓練されたモデルでは、最悪の相対残差は2.2e-15である。 RC-19では、衝撃関係はパネル全体の圧力比1.521を予測している。 感圧塗料は同じ値を測定した。 学習モデルの30回の実行は、測定された236Hzの1.0%の範囲で、平均的な支配周波数を配置する。 1つの周期的および1つのカオス的条件において、学習されたモデルは、出版された縮小順序モデルの応答規則を全16回の実行で再現する。 このモデルでは113Hzのスペクトルピークがないため、測定結果が示さない。 測定された変位は、エネルギーバランスを尊重する別の力によってカオス応答を補正することも可能である。 実験では,5kHzのサンプリング速度で合成データを用いて実験を行った。 状態誤差は、ノイズのないパネル厚さの1.25%、ノイズ10マイクロメートルの3.5%である。 HyMAXでは、学習されたモデルは65msの基準モデルの後縁変位に従っており、相対誤差は3.7%である。 これらの結果から, 物理構造を持つモデルでは, 利用可能なデータが学習できない場合に, 測定されたフラッターの挙動と一致できることが示唆された。

関連論文リスト

• Stable and Counterfactually Robust Physical World Models from Imposed Structure and Learned Physics [42.21989596721942]
  世界モデルは、物理システムが記録からどのように進化するかを予測することを学ぶが、それが模倣するシステムは、完全に供給されず、確実に尊重されない物理法則に従う。 我々は、世界モデルにどれだけ一般的な物理構造がハードコードされなければならないか、そしてどのくらいのシステム固有の物理がデータから学べるのかを尋ねる。
  論文  参考訳（メタデータ） (2026-09-24T19:56:30Z)
• Von Mises-Fisher Mixture Model with Dynamic Shrinkage for Realistic Test-Time Transduction [29.23829287730805]
  動的収縮(MOON)を伴うVon Mises-Fisherモデルの混合 MOONは、単位超球面上の特徴表現をモデル化するために、von Mises-Fisher分布の混合の上に構築される。 信頼性の低い代入を抑え、不利なクラスからの有害な更新を防ぐ。
  論文  参考訳（メタデータ） (2026-07-17T11:08:08Z)
• Identification of a Physics-Based Electrical Power Consumption Model for the Unitree G1 Humanoid Arm [41.90412270641482]
  本稿では,UnitreeG1ヒューマノイドロボットの左腕の電力消費に関する物理モデルを提案する。 提案した定式化は、アクチュエータ損失項とベースライントルク補正を組み合わせることで、重力補償負荷の変化を捉える。 シングルジョイントとアコーディネートアームの動作を複数の速度レベルでカバーする897トラジェクトリで、同定されたモデルは、1.07 (W)のRMSEで$R2 = 0.933$に達する。
  論文  参考訳（メタデータ） (2026-06-14T16:45:07Z)
• A Fixed-Point Neural Operator for Size- and Functional-Transferable Hamiltonian Prediction [42.288858735711905]
  HamEvoは単一ステップの自己整合更新を学習し、収束したハミルトニアンを固定点として返すニューラル演算子である。 推論は従来のDFTの242倍高速である。
  論文  参考訳（メタデータ） (2026-06-12T14:31:28Z)
• How False Data Affects Machine Learning Models in Electrochemistry? [0.0]
  電気化学データは、12のスタンドアロンモデルと積み重ねモデルで試験された。 線形モデルは、ノイズの100%あたりの平均誤差(傾斜)を1.75Fg-1まで処理し、ノイズをうまく処理する。 木に基づくモデルはノイズハンドリングの点で失敗する(平均傾きは100%ノイズで55.24Fg-1)が、予測精度(最も低い23.9Fg-1)は線形よりも高い。
  論文  参考訳（メタデータ） (2023-11-17T04:30:31Z)
• Magnomechanical backaction corrections due to coupling to higher order Walker modes and Kerr nonlinearities [0.0]
  磁石中のマグノンとフォノンの間の放射圧のような結合は、フォノン周波数と崩壊率を変化させることができる。 このような効果は、磁気圏の均一なマグノンモード(キッテルモード)をマイクロ波空洞に結合することで最近観察されている。
  論文  参考訳（メタデータ） (2023-01-27T18:59:59Z)
• Post-selection and quantum energetics [0.0]
  本研究では, 量子ビットがエネルギーを消費しないベースで測定された場合, 測定装置の異常なエネルギー変化について検討する。 1つは時間に依存しないハミルトニアンを持つ量子時計モデルであり、もう1つは時間に依存しないが総励起数を保存するJaynes-Cummingsモデルである。
  論文  参考訳（メタデータ） (2022-07-28T15:59:38Z)
• Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
  レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
  論文  参考訳（メタデータ） (2021-06-17T00:49:55Z)
• Differentiable Physics Models for Real-world Offline Model-based Reinforcement Learning [34.558299591341]
  モデルに基づく強化学習の制限は、学習モデルにおけるエラーの活用である。 物理モデルを用いたモデルは,機械構造が知られている場合,高容量関数近似器と比較して有益であることを示す。
  論文  参考訳（メタデータ） (2020-11-03T14:37:53Z)

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。