非線形スロッシングのパラメトリック表現のための機械学習ベース特性化フレームワーク【JST・京大機械翻訳】

Luo Xihaier; Kareem Ahsan; Yu Liting; Yoo Shinjae

プレプリント

J-GLOBAL ID：202202214767842532 整理番号：22P0280823

非線形スロッシングのパラメトリック表現のための機械学習ベース特性化フレームワーク【JST・京大機械翻訳】

A Machine Learning-based Characterization Framework for Parametric Representation of Nonlinear Sloshing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月25日プレプリントサーバーでの情報更新日： 2022年01月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

コンテナ内の液体スロッシングのパラメトリック表現を創造する際の関心が高まりつつあるのは,現代工学システムにおける実際の応用から生じている。他方,共鳴励起は不安定で非線形な水波を引き起こし,カオス運動と非Gauss信号をもたらす。本論文では,非線形液体スロッシング表現学習のための新しい機械学習ベースフレームワークを提案した。提案方法は逐次学習とスパース正則化に基づくパラメトリックモデリング技術である。動力学は線形進化と非線形強制の二つの部分に分類される。前者は,埋込み多様体上の時間における動的システムを進歩させ,一方,後者はバーストやスイッチングのような時間発展において発散挙動を引き起こす。提案したフレームワークのメリットを,広い周波数範囲と様々な垂直スラットスクリーン設定による水平励起下のタンク内の液体スロッシングの実験データセットを用いて実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般 , 人工知能

, , , , ,

前のページに戻る