XiaoMi-AI文件搜索系统
World File Search System周期解
基于... 的无人机周期控制
如今，无人机 (UAV) 的飞行距离越来越长，任务时间也显著延长。这要求无人机不仅要有长续航能力，还要有远程能力。受鸟类和海洋动物运动模式的启发，它们表现出动力-滑行-动力周期性运动行为，因此提出了一个最优控制问题来研究无人机轨迹规划。微分平坦度的概念用于将最优控制问题重新表述为非线性规划问题，其中平坦输出使用傅里叶级数参数化。P 检验还用于验证是否存在优于稳态运动的周期解。以航空探空仪无人机为例，说明周期性控制方案相对于平衡飞行在续航时间和航程成本方面的改进。[DOI: 10.1115/1.4043114]
图形卷积网络用于模拟多孔介质中的多相流量和传输
多孔介质中多相流体动力学的数值模拟对于地球地下的许多能量和环境应用至关重要。数据驱动的次要模型为高保真数字模拟器提供了计算廉价的替代方案。虽然常用的卷积神经网络（CNN）在近似部分微分方程解决方案方面具有强大的功能，但CNN处理不规则和非结构化的模拟网格仍然具有挑战性。然而，地球地下的模拟模型通常涉及与复杂的网格网格的非结构化网格，从而限制了CNN的应用。为了应对这一挑战，我们基于图形卷积网络（GCN）构建了替代模型，以近似多孔介质中多相流和传输过程的空间 - 周期解。我们提出了一种适合耦合PDE系统双曲线特征的新GCN体系结构，以更好地捕获传输动力学。2D异质测试案例的结果表明，我们的替代物以高精度预测压力和饱和状态的演变，并且预测的推出对于多个时间步中仍然稳定。此外，基于GCN的模型可以很好地推广到训练数据集中看不见的不规则域几何和非结构化网格。