文献

J-GLOBAL ID：201802216459235503   整理番号：18A0355554

非線形非定常空力低次元モデル化のためのマルチカーネル神経回路網【Powered by NICT】

Multi-kernel neural networks for nonlinear unsteady aerodynamic reduced-order modeling

著者 (2件)： Kou Jiaqing (School of Aeronautics, Northwestern Polytechnical University, Xi’an, 710072, China) ,  Zhang Weiwei (School of Aeronautics, Northwestern Polytechnical University, Xi’an, 710072, China)
資料名： Aerospace Science and Technology  (Aerospace Science and Technology)
巻： 67  ページ： 309-326  発行年： 2017年 
JST資料番号： W1580A  ISSN： 1270-9638  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マルチカーネルニューラルネットワークを提案し,一定または変化する流れ条件での非線形非定常空気力学をモデル化するために適用した。単一Gauss隠れカーネルを用いた標準動径基底関数(RBF)ネットワークとは異なり,マルチカーネルニューラルネットワークは,隠れ基底関数としてGaussとウェーブレット基底関数を線形に組み合わせて精度と汎化能力を改善した。雑音または多重流条件の下での複雑な非線形特性を把握するために,新しい非対称ウェーブレットカーネルについても紹介した。ネットワークパラメータの訓練は,適切な直交分解と粒子群最適化アルゴリズムを導入することにより達成され,前者のプロセスが採用されている代表的な隠れた中心を決定し,後者の技術は残りのパラメータ,各マルチカーネルと線形重みづけ値の幅を計算するために導入した。対称または非対称マルチカーネルニューラルネットワークに基づく提案した空力低次元モデルは三群の事例により試験した。最初に,一定のマッハ数で空力荷重を予測するルーチン低減次数モデリング作業を行った。測定雑音は雑音条件下でモデルを試験するために添加した。最後に,これらのモデルを用いて,範囲遷音速Mach数の空力荷重を同定した。結果は,提案したマルチカーネル神経回路網は,一定のマッハ数で,Mach数を変えて空力荷重を予測するモデル化雑音のない場合と雑音の空気力学における単粒RBF(動径基底関数)ニューラルネットワークよりも優れていることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 非対称性 ,  波束 ,  *神経回路網 ,  ニューラルネットワーク ,  Mach数 ,  空力荷重 ,  対称性 ,  基底関数 ,  動径基底関数 ,  雑音 ,  重みづけ ,  *モデリング ,  *線形性 ,  *空気力学
準シソーラス用語： *非定常性 , 【Automatic Indexing@JST】

著者キーワード (5件)： 低次元化モデル ,  動径基底関数 ,  非定常空気力学 ,  非線形システム同定 ,  ニューラルネットワーク

分類 (1件)： 飛しょう体の設計・構造  (QK04010H)

タイトルに関連する用語 (8件)： 非線形 ,  非定常 ,  空力 ,  低次元 ,  モデル化 ,  マルチ ,  カーネル ,  神経回路網