文献

J-GLOBAL ID：201702274753124854   整理番号：17A1589126

高い汎化能力を持つニューラルネットワークの空力低減モデルを提案した。【JST・京大機械翻訳】

A reduced-order aerodynamic model with high generalization capability based on neural network

著者 (3件)： Yin Minglang (西北工業大学 翼型叶柵空气動力学国家重点実験室, 陜西 西安 710072;布朗大学 工程学院, 美国 普羅文登 02906) ,  Kou Jiaqing (西北工業大学 翼型叶柵空气動力学国家重点実験室,陜西 西安,710072) ,  Zhang Weiwei (西北工業大学 翼型叶柵空气動力学国家重点実験室,陜西 西安,710072)
資料名： Kongqi Donglixue Xuebao  (Kongqi Donglixue Xuebao)
巻： 35  号： 2  ページ： 205-213  発行年： 2017年 
JST資料番号： C2062A  ISSN： 0258-1825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ニューラルネットワークモデルの一般化能力は新しいサンプルに対するモデルの適応能力であるが、現在、ニューラルネットワークに基づく非線形空力モデルは一般化能力が不足している。この限界に対して、計算流体力学に基づくバンド検証信号の動力学的な減次モデルを発展させ、遷音速ガス動力の予測に用いた。再帰的動径基底関数神経回路網を用いて,差分進化アルゴリズムを導入することにより,隠れ層ニューロンの幅を最適化し,最適化信号の二乗平均平方根誤差を最小化した。訓練信号は構造的に大きく振動する変位と空力的応答を採用し、小摂動下でのマイクロ振幅運動の信号を検証信号とする。数値例により,確立した減次モデルは,全体の数値シミュレーションよりも短い計算時間を持つだけでなく,小振幅運動の検証信号を用いることにより,異なる周波数と振幅での一般化能力を強化することができることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *空気力学 ,  計算流体力学 ,  CPU時間 ,  神経回路網 ,  最適化 ,  *汎化 ,  摂動 ,  *ニューラルネットワーク ,  シミュレーション ,  空力模型 ,  動径基底関数
準シソーラス用語： 数値シミュレーション ,  隠れ層 ,  差分進化アルゴリズム ,  減次モデル ,  神経回路網モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： unsteady aerodynamic load ,  reduced-order model ,  neural network ,  generalization capability ,  validation signal

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 汎化 ,  能力 ,  ニューラルネットワーク ,  空力 ,  モデル ,  提案