基于图集设计的迭代分类 (IC-GSBD) 用于飞机热管理系统的筛选
计算工程、金融与科学
2024-09-06 v2
摘要
本文提出了基于图集设计的迭代分类 (IC-GSBD) 框架，该框架利用基于图的技术，将几何深度学习 (GDL) 集成到基于集合的设计 (SBD) 方法中，用于对以图表示的复杂工程系统进行分类和筛选。我们在飞机热管理系统 (TMS) 上演示了这种方法，利用先前通过枚举或穷举图生成程序创建的数据集，将新型飞机 TMS 表示为图。然而，与许多枚举方法一样，组合爆炸限制了其在许多实际问题中的有效性，尤其是当必须对许多（自动生成的）物理模型进行仿真和优化时。因此，该方法使用表示飞机 TMS 的有向图和 GDL，通过图分类来预测基于图的数据集的一个子集。本文的研究结果表明，利用主成分分析 (PCA) 整合额外的基于图的特征可增强 GDL 模型的性能，在仅使用 5% 的数据进行训练的情况下，确定图的可编译性和可仿真性的准确率达到 98%。通过应用迭代分类方法，我们还成功地将整个图集分割成更具体的组，平均包含了前 100 个性能最高图中的 75.5 个，这是通过使用 40% 的数据进行训练实现的。
引用
@article{arxiv.2312.03270,
title = {Iterative Classification of Graph-Set-Based Designs (IC-GSBD) for the Down-Selection of Aircraft Thermal Management Systems},
author = {Anthony Sirico and Daniel R Herber},
journal= {arXiv preprint arXiv:2312.03270},
year = {2024}
}
备注
31 pages, 12 figures, Updated version of the original conference paper. This version is a preprint, intended for journal submission