使用机器学习的最优传感器布置
流体动力学
2017-02-02 v2 数据分析、统计与概率
摘要
提出了一种基于机器学习模型变量重要性的最优传感器布置新方法。该方法具有简单、自适应和低计算成本的特点，相比现有方法具有诸多优势。新方法在配备 Coanda actuator 的翼型绕流中得到了实现。分析基于不同驱动条件下二维非定常雷诺平均 Navier-Stokes (URANS) 仿真获得的流场数据。最优传感器位置与当前事实上的标准——最大 POD 模态振幅位置，以及扫描所有可能传感器组合的暴力搜索方法进行了比较。结果表明，流动条件和传感器类型均对最优传感器布置有影响，而响应函数的选择影响有限。
引用
@article{arxiv.1609.07885,
title = {Optimal sensor placement using machine learning},
author = {Richard Semaan},
journal= {arXiv preprint arXiv:1609.07885},
year = {2017}
}