Mar, 2024

基于有限传感器测量的快速探测飞行颤振模态的数据驱动方法

PDF
TL;DR快速鉴定和分析气弹性模态的方法，结合动态模态分解、鲁棒主成分分析和稀疏模态选择准则，通过压缩感知算法增强了方法的稳健性和实时性，使其能够在颤振试验期间进行实时实现。
flutter flight testaeroelastic stabilitydynamic mode decompositionrobust principal component analysiscompressed sensing algorithm
发现论文，激发创造
  • 基于稀疏压力传感器输入的机器学习增强实时气动力预测

    本文提出了一种基于少量位置布置的压力传感器的数据驱动空气动力学力预测模型，包括线性项和非线性校正，其中线性项通过减少的基础重构预测表面压力分布，而非线性项则是视情况而定的人工神经网络，用于提高精度。该模型在模拟和实验数据中被验证为快速准确地预测无人机的气动力。

    May, 2023

  • 流体流动的模态分析：概述

    本研究论文介绍实现流体动力学中基于模态分解的分析方法，其中包括 Proper Orthogonal Decomposition（POD）和 Dynamic Mode Decomposition (DMD) 等关键词。

    Feb, 2017

  • 通过监督学习和无监督学习方法识别耦合火焰振荡器的动态模式

    研究了基于变分自动编码器的有监督和无监督分类方法，用于识别燃烧系统中复杂火焰问题的动态模式识别。

    Apr, 2024

  • 基于机器学习的沟渠负载预测

    应用机器学习技术，本研究提出了预测飞机机身动态迫降载荷的方法。通过使用卷积自编码器（CAE）对空间载荷进行重构，并结合长短期记忆（LSTM）网络或基于库普曼算子的方法来预测载荷的瞬态演化。研究结果表明，LSTM 与深度解码器 CAE 的组合显示出最佳性能。

    Feb, 2024

  • Hawk T1A 飞机的多输入多输出模态测试：用于结构健康监测的新全尺寸数据集

    该论文介绍了一份捕获了废弃 BAE Systems Hawk T1A 动态响应的新基准数据集，该数据集反映了具有服役历史的复杂结构的行为，可以在受控实验室条件下进行测试，使用各种已知加载和损伤模拟条件，进而为简单实验室测试结构和使用中的结构之间搭建了一个关键的桥梁。

    Jun, 2024

  • ModeConv：用于区分异常和正常结构行为的新型卷积

    振动、材料退化、特征振动模态、异常检测和 ModeConv 的计算效率改进

    Jun, 2024

  • 数据驱动的 ExB 等离子体动力模态分解的分析与降阶建模：I. 时空相干模式的提取

    通过引入 Dynamic Mode Decomposition (DMD) 算法，对电浆动力学的跨场 ExB 结构进行数据驱动分析和降阶建模，在高保真数据集上应用 DMD 算法，提取主导的时空模式并发现 OPT-DMD 方法能更可靠地重建基准值，以及通过揭示频谱的空间结构，为等离子现象的时空特性提供更全面、更易理解的信息。

    Aug, 2023

  • 非侵入式降阶建模的随机动态模态分解

    本文提出了一种基于随机动态模态分解的新的降阶模型框架，并将其应用于二维流的建模，通过有效地将随机动态模态分解算法和径向基函数插值相结合，我们成功地解决了通过 POD 和 Galerkin 投影方法得到的模型降阶的缺陷，并在非侵入式数据建模中取得了较好的效果。

    Nov, 2016

  • 基于有限数据采集的流体在圆柱上的数据驱动发现

    基于根据标准圆柱实验的有限数据获取描述，本文提出了一种基于 Koopman 算子的 Kernelized Extended DMD（KeDMD）变种，利用高斯随机矩阵的概念恢复主导 Koopman 模式。同时，本文还探讨了 Koopman 算子与基于标准化拉普拉斯测度生成的 RKHS 上的操作理论特征，以确定流体流动的 Koopman 模式。

    Dec, 2023

  • 利用振动分析进行无人机起飞 / 着陆前后机翼异常检测的机器学习研究

    利用信号处理和机器学习方法，通过对全面振动分析数据的分析，以确定在飞行前后运行过程中叶片缺陷的存在，为未来智能城市的关键基础设施部分 —— 无人机，提供了恒定的监控以确保其可靠性。

    Apr, 2024