航空機遷音速バフェットの時間的起点規定のための進化的学習分類子システム
Project/Area Number |
22K12164
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 61030:Intelligent informatics-related
|
Research Institution | The University of Electro-Communications |
Principal Investigator |
千葉 一永 電気通信大学, 大学院情報理工学研究科, 教授 (50450705)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
Keywords | 進化的学習分類子システム / 非定常空気力学 / 遷音速バフェット / 航空機 / 非定常高速空気力学 |
Outline of Research at the Start |
カオス的挙動をとる遷音速バフェットデータに対し進化的学習分類子システムを適用することで,遷音速バフェットの時間的な発生位置の規定に挑む.規定が可能となることで観測すべき時間的位置が絞られ,発生メカニズム追究につながる.その結果,遷音速バフェットの制約を考慮する必要のない革新機体や運航システムが設計可能となり,現在に比べ劇的に安全で快適な近未来空輸が実現される.
|
Outline of Annual Research Achievements |
本研究では,解析的に得られた遷音速バフェットの時系列データに進化的学習分類子システムを適用し,時間的な発生起点を定義する. 本年度は,物理量の時間勾配を入力値として手法の学習を行ったところ,カオス的な元データには見られなかった周期性がデータの挙動に確認された.つまり,解析的に用意されたデータに前処理を行うことで,学習が行いやすくなった.また,用意した時系列データが含む物理量の中で,一様流速度の変動量が最も強く周期性を示した.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
アルゴリズム自体は改良しなくとも,進化的学習分類子システムへの入力データを改良することで,より適切にアルゴリズムが学習を進められるという仮説の確認が本年度の予定であり,その仮説が正しいことまで確認を終えたため.
|
Strategy for Future Research Activity |
注目すべき物理量を1つに絞れ,進化的学習分類子システム(eLCS)に入力する前の前処理の方法論が確認できたため,eLCSが出力した結果の物理的解釈を進める.特に,eLCSは,入力する時系列データにおける注目すべき重要時間を1点のみ示す訳ではないため,提示される複数の重要時間に生じている物理現象を比較しつつ解釈する.
|
Report
(1 results)
Research Products
(1 results)