Data-Driven Approaches for Thrust Prediction in Underwater Flapping Fin Propulsion Systems

要約

羽ばたきフィン型水中車両推進システムは、制約された環境や高い操縦性が必要な状況において、プロペラ駆動システムの代替手段となります。
実験や忠実度の高いシミュレーションを通じて新しい構成をテストするのは高価なプロセスであり、新しいシステムの開発が遅れます。
これは、新しいフィン形状を導入する場合に特に当てはまります。
この研究では、システムのフィンの形状と運動学を考慮した推力予測のための機械学習アプローチを提案します。
データ効率の高いフィン形状パラメータ化戦略を導入します。これにより、入力データ内の限られたフィン形状が与えられた場合に、ネットワークが目に見えないフィン形状の推力プロファイルを予測できるようになります。
システム開発の迅速化に加えて、一般化可能なサロゲート モデルは、無人水中車両制御システムで使用できる高速で正確な予測を提供します。

要約(オリジナル)

Flapping-fin underwater vehicle propulsion systems provide an alternative to propeller-driven systems in situations that require involve a constrained environment or require high maneuverability. Testing new configurations through experiments or high-fidelity simulations is an expensive process, slowing development of new systems. This is especially true when introducing new fin geometries. In this work, we propose machine learning approaches for thrust prediction given the system’s fin geometries and kinematics. We introduce data-efficient fin shape parameterization strategies that enable our network to predict thrust profiles for unseen fin geometries given limited fin shapes in input data. In addition to faster development of systems, generalizable surrogate models offer fast, accurate predictions that could be used on an unmanned underwater vehicle control system.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google