文献

J-GLOBAL ID：201902211398035704   整理番号：19A1572172

飛行状態同定のための自己適応1D畳込みニューラルネットワーク【JST・京大機械翻訳】

A Self-Adaptive 1D Convolutional Neural Network for Flight-State Identification

著者 (6件)： Chen Xi (School of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China) ,  Chen Xi (Shanghai Engineering Research Center of Civil Aircraft Health Monitoring, Shanghai Aircraft Customer Service Co., Ltd., Shanghai 200241, China) ,  Kopsaftopoulos Fotis (Department of Mechanical, Aerospace, and Nuclear Engineering, Rensselaer Polytechnic Institute, Troy, NY 12180, USA) ,  Wu Qi (School of Electronic, Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Ren He (School of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China) ,  Chang Fu-Kuo (Department of Aeronautics and Astronautics, Stanford University, Stanford, CA 94305, USA)
資料名： Sensors (Web)  (Sensors (Web))
巻： 19  号： 2  ページ： 275  発行年： 2019年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 空気中の翼構造の振動は,迎え角と空気速度によって定義される様々な飛行状態の下で,連成空力力学的応答を反映する。複雑な振動信号から飛行状態を同定することは大きな課題である。本論文では,新しい一次元畳込みニューラルネットワーク(CNN)を開発した。これは,風洞実験を通して最近製作された自己センシング翼の構造振動から有用な特徴を自動的に抽出することができる。得られた信号は,まず第一に,二重ツリー複素ウェーブレットパケット変換を通して異なる周波数帯を有する様々なサブ信号に分解される。次に,再構成されたサブ信号を選択して,CNNの多チャネル入力のための最良の組合せを形成した。グレイ-wolf最適化と呼ばれるスウォームベース進化アルゴリズムを用いて,CNNの主要パラメータのセットを最適化した。それはかなりの人間の努力を節約した。2つの事例研究により,飛行状態同定における標準的な深い学習法に対する提案方法の高い同定精度とロバスト性を実証し,知的航空機の次世代に向けた自己認識における新しい展望を提供した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 迎え角 ,  *一次元 ,  *飛翔 ,  空気力学 ,  ロバスト性 ,  学習 ,  再構成 ,  航空機 ,  最適化 ,  周波数帯 ,  風洞試験 ,  事例研究
準シソーラス用語： 進化的アルゴリズム ,  マルチチャネル ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 自己感知翼 ,  双対ツリー複素ウェーブレットパケット変換 ,  畳込みニューラルネットワーク ,  Grey-Wolf最適化装置 ,  飛行状態同定

分類 (1件)： 計測機器一般  (AD02000X)

引用文献 (38件)：

• NASA. Fly-By-Feel Systems Represent The Next Revolution In Aircraft Controls; NASA: Washington, DC, USA, 2011.
• Kopsaftopoulos, F.; Nardari, R.; Li, Y.H.; Chang, F.K. A stochastic global identification framework for aerospace structures operating under varying flight states. Mech. Syst. Signal Process. 2018, 98, 425-447.
• Kopsaftopoulos, F.; Nardari, R.; Li, Y.H.; Wang, P.; Ye, B.; Chang, F.K. Experimental identification of structural dynamics and aeroelastic properties of a self-sensing smart composite wing. In Proceedings of the 10th International Workshop on Structural Health Monitoring, Stanford, CA, USA, 1-3 September 2015.
• Brenner, M.J. Controller Performance Evaluation of Fluy-by-feel (FBF) Technology; NASA: Washington, DC, USA, 2012.
• Mangalam, A.S.; Brenner, M.J. Fly-by-Feel Sensing and Control: Aeroservoelasticity. In Proceedings of the AIAA Atmospheric Flight Mechanics Conference, National Harbor, MD, USA, 13-17 January 2014.

タイトルに関連する用語 (5件)： 飛行 ,  同定 ,  自己適応 ,  1D ,  畳込みニューラルネットワーク