Surrogate Neural Networks for Efficient Simulation-based Trajectory Planning Optimization

要約

この論文では、ニューラル ネットワークの形でサロゲート モデルを使用して、参照軌道のシミュレーション ベースの最適化の計算時間を短縮する新しい方法論を提示します。
シミュレーションベースの最適化は、アクセス可能なシステムの分析形式がなく、シミュレーションの代理モデルの作成に使用できる入出力データのみが必要な場合に必要です。
多くの忠実度の高いシミュレーションと同様に、この軌道計画シミュレーションは非常に非線形で計算コストが高いため、反復的な最適化は困難です。
勾配降下最適化により、私たちのアプローチは極超音速機を着陸させるための最適な基準軌道を見つけます。
以前の文献で代理モデルを作成するために使用される大規模なデータセットとは対照的に、私たちの方法論は、勾配降下オプティマイザーが必要とするシミュレーション実行の数を最小限に抑えるように特別に設計されています。
この方法論は、試行錯誤または入力パラメーター空間のランダムなサンプリングを通じて入力を手動で調整する標準的な方法よりも効率的であることを実証しました。
シミュレーションへの入力値がインテリジェントに選択されるため、私たちのアプローチは、より迅速に、より高い精度で達成されるより優れたシミュレーション結果をもたらします。
極超音速機の基準軌道を最適化することは、シミュレーションの極端な非線形性のために非常に困難ですが、それでも、この新しいアプローチは、公称と比較して 74% 優れた基準軌道を発見し、数値結果は、設計の計算時間が大幅に短縮されたことを明確に示しています。
今後の軌跡。

要約(オリジナル)

This paper presents a novel methodology that uses surrogate models in the form of neural networks to reduce the computation time of simulation-based optimization of a reference trajectory. Simulation-based optimization is necessary when there is no analytical form of the system accessible, only input-output data that can be used to create a surrogate model of the simulation. Like many high-fidelity simulations, this trajectory planning simulation is very nonlinear and computationally expensive, making it challenging to optimize iteratively. Through gradient descent optimization, our approach finds the optimal reference trajectory for landing a hypersonic vehicle. In contrast to the large datasets used to create the surrogate models in prior literature, our methodology is specifically designed to minimize the number of simulation executions required by the gradient descent optimizer. We demonstrated this methodology to be more efficient than the standard practice of hand-tuning the inputs through trial-and-error or randomly sampling the input parameter space. Due to the intelligently selected input values to the simulation, our approach yields better simulation outcomes that are achieved more rapidly and to a higher degree of accuracy. Optimizing the hypersonic vehicle’s reference trajectory is very challenging due to the simulation’s extreme nonlinearity, but even so, this novel approach found a 74% better-performing reference trajectory compared to nominal, and the numerical results clearly show a substantial reduction in computation time for designing future trajectories.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google