Feb, 2023

使用 CFD 搜索普适的水下车体最小阻力

PDF
TL;DR运用基于人工智能的优化算法和计算流体动力学模拟技术，以最小化抗阻力为目标，研究了一种优化船体设计，旨在探索一种具有通用性的设计，在所有操作条件和环境条件下都提供最小的阻力或接近最佳设计。早期结果表明，在低速度和低湍流条件下找到的最优设计在高速度和高湍流条件下性能非常差，然而，在高速度和高湍流条件下最优的设计在许多考虑的速度和湍流条件下表现得接近最佳。
autonomous underwater vehicleshull resistanceai-based optimization algorithmcomputational fluid dynamicsuniversal design
发现论文，激发创造
  • 水下航行器外壳的高效可替代设计优化

    本研究探讨了在无人水下器（UUV）的设计过程中，采用计算流体动力学（CFD）与基于深度神经网络（DNN）的代理模型相结合，通过贝叶斯优化（BO）实现高效样本及快速数据驱动的 UUV 设计优化问题，结果表明，BO LCB 算法是最具高效的优化框架，DNN 代理模型可以实现计算的极速提升与相关精度的优化。

    Apr, 2023

  • 自动水下航行器外壳设计的约束贝叶斯优化

    本文介绍了一种将 CAD 工具 FreeCAD 和 CFD 工具 openFoam 与贝叶斯优化技术相结合的水下载具自动设计优化方法，并通过实际案例验证了该方法。

    Feb, 2023

  • 多目标船型优化与基于 CAD 引擎的深度学习物理学方法用于三维流动预测

    本文提出了一个深度学习物理优化 (DLPO) 框架，用于设置迪斯堡测试用例 (DTC) 集装箱船的形状优化研究，并展示了两个不同的应用程序：(1) 敏感度分析，用于检测最有前途的通用基础船体形状，以及 (2) 多目标优化，用于量化最优船体形态之间的权衡。DLPO 框架允许自动端到端地评估设计迭代。该模型是由 Extrality 的 Deep Learning Physics (DLP) 模型与 CAD 引擎和优化器相结合而实现。我们的 DLP 模型训练完整的来自 RANS 模拟的三维体积数据，可以实时提供准确和高质量的三维流预测，从而使其成为评估新集装箱船设计在水动力效率方面优化的良好评估器。最终，我们得出结论 DLPO 框架是加速船舶设计过程，并导致具有更好水动力性能的更有效的船舶的有前途的工具。

    Jun, 2023

  • 基于数据驱动的多目标振翅式无人水下机器人控制系统的机器学习模型

    利用时间序列神经网络代替推进力学模型，开发搜索式反向模型控制系统，以多个目标为目标，找到一组鳍动力学参数，并演示了如何集成此模型来进行在线控制。

    Sep, 2022

  • 面向控制的域感知神经网络模型用于自主水下车辆

    本文介绍了利用已知系统结构和先前的物理知识创造受约束的深度神经动力系统模型的具有不同程度领域知识的控制定向参数模型。使用通用微分方程构造了 AUV 动力学的数据驱动的黑盒和灰箱表示，评估了不同初始条件和控制输入的学习模型的预测性能，以评估其准确性，泛化性和控制适用性。

    Aug, 2022

  • 有限多普勒速度日志测量下的无缝水下导航

    在受限制的声束测量情况下，提出了一种用于自主水下航行器（AUV）的混合神经耦合（HNC）方法，通过在扩展卡尔曼滤波器中回归丢失的声束来提供无缝的 AUV 导航，性能优于传统模型方法，实验结果证明了方法的有效性。

    Apr, 2024

  • 基于分布式神经动力学的反步最优控制：鲁棒约束一致性下的非完全驱动水下车队

    该论文采用一种基于共识的优化协调协议和鲁棒控制器，通过引入球面坐标变换和分布式优化运动协调策略解决了非完整约束问题，并设计了基于神经动力学的鲁棒反馈控制器来处理欠驱动问题，确保在存在未知干扰情况下，UUVs 编队系统的稳定性和所有状态的一致有界性。通过广泛的仿真比较，验证了所得到的最优编队跟踪协议的优越性和有效性。

    Aug, 2023

  • 使用数据驱动方法进行 DVL 校准

    提出了一个端到端深度学习框架，用于自主水下车辆（AUVs）的校准程序，使用刺激数据表明，相较于基于模型的方法，我们的提议在准确性方面提高了 35％，在所需校准时间方面提高了 80％。

    Jan, 2024

  • 水下波动鳍推进系统的数据驱动方法研究

    通过机器学习方法，基于鳍状物的几何形状和运动学参数，实现了鳍式水下机器人推力的预测，从而加快了系统的开发速度并提供了准确的数据替代模型。

    Jun, 2024

  • 一种生物启发的神经动力学辅助无人水下航行器的混合跟踪控制策略

    该研究论文提出了一种基于仿生神经动力学模型的新型混合控制策略，以提高无人水下车辆的跟踪控制，将改进后的后向运动学控制策略与新型滑模控制相结合，以实现控制信号的平滑性，这在无人水下车辆的实际应用中尤为重要。

    Sep, 2022