Statistical Learning for Nonlinear Dynamical Systems with Applications to Aircraft-UAV Collisions
Statistical Learning for Nonlinear Dynamical Systems with Applications to Aircraft-UAV Collisions
复制标题
非线性动力系统的统计学习及其在飞机-无人机碰撞中的应用
DOI：
10.1080/00401706.2023.2203175
复制
发表时间：
2023
期刊：
影响因子：
2.5
通讯作者：
Lin, Guang
中科院分区：
文献类型：
--
作者：
Liu, Xinchao;Liu, Xiao;Kaman, Tulin;Lu, Xiaohua;Lin, Guang
本文研究了一种基于物理的统计方法，该方法能够(I)通过使用从非线性系统产生的数据以及基本的支配物理来学习非线性系统动力学，以及(Ii)以合理的精度和比数值方法更快的计算速度来预测系统动力学。该方法从全阶控制方程出发，得到降维模型。基于多元泛函主成分分析的函数-函数回归建立了外部强迫与系统动力学之间的映射，而多元高斯过程用于捕捉参数与外部强迫之间的关系。在应用中，将所提出的方法应用于无人机在不同撞击姿态(俯仰、偏航和滚转)下的机头蒙皮变形预测。实验结果表明，该物理信息统计模型的样本外平均相对误差为12%，比有限元分析(FEA)快103倍以上。计算机代码和样本数据可以在GitHub上找到。
This article investigates a physics-informed statistical approach capable of (i) learning nonlinear system dynamics by using data generated from a nonlinear system as well as the underlying governing physics, and (ii) predicting system dynamics with reasonable accuracy and a computational speed much faster than numerical methods. The proposed approach obtains the reduced-order model from the full-order governing equations. A function-to-function regression, based on multivariate Functional Principal Component Analysis, establishes the mapping between external forcing and system dynamics, while a multivariate Gaussian Process is used to capture the relationship between parameters and external forcing. In the application, the proposed approach is applied to predict aircraft nose skin deformation after Unmanned Aerial Vehicle (UAV) collisions at different impact attitudes (i.e., pitch, yaw and roll degrees). We show that the proposed physics-informed statistical model can achieve a 12% out-of-sample mean relative error, and is more than 103times faster than Finite Element Analysis (FEA). Computer code and sample data are available on GitHub.
登录
查看更多内容
随机对流扩散过程时空数据的统计建模
影响因子：
3.7
作者：
Xiao Liu;K. Yeo;Siyuan Lu
通讯作者：
Siyuan Lu
DOI：
10.1080/01621459.2017.1409123
发表时间：
2016-11
影响因子：
3.7
作者：
Simon Mak;Chih-Li Sung;Xingjian Wang;Shiang-Ting Yeh;Yu-Hung Chang;V. R. Joseph;V. Yang;C. F. J. Wu
通讯作者：
Simon Mak;Chih-Li Sung;Xingjian Wang;Shiang-Ting Yeh;Yu-Hung Chang;V. R. Joseph;V. Yang;C. F. J. Wu
基于随机偏微分方程的大型时空数据集建模
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
Fabio Sigrist;H. Künsch;W. Stahel
通讯作者：
W. Stahel
影响因子：
2.5
作者：
Chen, Jiuhai;Kang, Lulu;Lin, Guang
通讯作者：
Lin, Guang
应用于腹主动脉瘤的多保真功能叠加模型
影响因子：
2.5
作者：
Christoph Striegel;J. Biehler;W. Wall;G. Kauermann
通讯作者：
G. Kauermann