基于人工神经网络模型的水动力物体识别
流体动力学
2022-09-28 v1
摘要
许多水生动物进化出的侧线系统使其能够在浑浊的流体环境中导航、定位并辨别障碍物。本文提出一种数据驱动模型，利用人工神经网络处理来自位于势流中障碍物远处的静止传感器阵列的流场数据。神经网络在缺乏任何显式数学描述的情况下估计参数间复杂潜在关系的能力，首先通过两个基本势流问题进行评估：单源/汇识别与偶极子检测。随后，我们处理从远处测得的压力或速度场识别障碍物形状的逆问题。利用正问题的解析解生成非常大的训练数据集，使我们能够通过基于梯度下降的优化获得突触权重。所得神经网络在预测未知障碍物形状方面表现出显著有效性，尤其是在经典线性回归模型完全失效的较大距离处。这些结果对人工被动水动力传感技术的设计与开发具有深远影响。
引用
@article{arxiv.1903.00828,
title = {Hydrodynamic object identification with artificial neural models},
author = {Sreetej Lakkam and Balamurali B T and Roland Bouffanais},
journal= {arXiv preprint arXiv:1903.00828},
year = {2022}
}