Classifying wakes produced by self-propelled fish-like swimmers using neural networks
Classifying wakes produced by self-propelled fish-like swimmers using neural networks
复制标题
使用神经网络对自行式鱼状游泳者产生的尾流进行分类
DOI：
10.1016/j.taml.2020.01.010
复制
发表时间：
2020-03
影响因子：
3.4
通讯作者：
Zhang Xing
中科院分区：
文献类型：
--
作者：
Li Binglin;Zhang Xiang;Zhang Xing
我们认为，分类的尾流结构产生的自推进的鱼一样的游泳者的基础上，当地的测量流量变量。这个问题的灵感来自于动物游泳者在黑暗条件下感知其水动力环境的非凡能力。我们分别利用流向速度分量、流向速度分量、涡量以及三个流动变量的组合来训练不同的神经网络对尾流结构进行分类。结果发现，使用这两个速度分量训练的神经网络在识别尾流类型方面表现良好，而使用涡量训练的神经网络则存在很高的误分类率。当使用所有三个流动变量的组合来训练神经网络时，可以实现尾流分类的非常高的精度。研究结果可为水下机器人流量传感系统的设计提供参考。
We consider the classification of wake structures produced by self-propelled fish-like swimmers based on local measurements of flow variables. This problem is inspired by the extraordinary capability of animal swimmers in perceiving their hydrodynamic environments under dark condition. We train different neural networks to classify wake structures by using the streamwise velocity component, the crosswise velocity component, the vorticity and the combination of three flow variables, respectively. It is found that the neural networks trained using the two velocity components perform well in identifying the wake types, whereas the neural network trained using the vorticity suffers from a high rate of misclassification. When the neural network is trained using the combination of all three flow variables, a remarkably high accuracy in wake classification can be achieved. The results of this study can be helpful to the design of flow sensory systems in robotic underwater vehicles.
登录
查看更多内容
自航潜水翼柔性水动力效应数值研究
DOI：
10.1016/j.compfluid.2014.03.031
发表时间：
2014-06
期刊：
Computers & Fluids
影响因子：
--
作者：
Zhu XJ;He GW;Zhang X
通讯作者：
Zhang X
影响因子：
2.8
作者：
S. Windsor;Stuart Norris;S. Cameron;G. Mallinson;J. Montgomery
通讯作者：
S. Windsor;Stuart Norris;S. Cameron;G. Mallinson;J. Montgomery
影响因子：
27.7
作者：
M. Triantafyllou;G. Weymouth;J. Miao
通讯作者：
M. Triantafyllou;G. Weymouth;J. Miao
影响因子：
3.4
作者：
Mengying Wang;Maziar S. Hemati
通讯作者：
Mengying Wang;Maziar S. Hemati
DOI：
10.1109/icsens.2012.6411517
发表时间：
2012-10
期刊：
2012 IEEE Sensors
影响因子：
--
作者：
P. Valdivia y Alvarado;V. Subramaniam;M. Triantafyllou
通讯作者：
P. Valdivia y Alvarado;V. Subramaniam;M. Triantafyllou