Propulsion optimization of a jellyfish-inspired robot based on a nonintrusive reduced-order model with proper orthogonal decomposition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract In this research, the propulsion of the proposed jellyfish-inspired mantle undulated propulsion robot (MUPRo) is optimized. To reliably predict the hydrodynamic forces acting on the robot, the proposed nonintrusive reduced-order model (NIROM) based on proper orthogonal decomposition (POD) additionally considers the POD basis that makes an important contribution to the features on the specified boundary. The proposed model establishes a mapping between the parameter-driven motion of the mantle and the evolution of the fluid characteristics around the swimmer. Moreover, to predict new cases where the input needs to be updated, the input of the proposed model is taken from the kinematics of the robot rather than extracted from full-order high-fidelity models. In this paper, it takes approximately 950 s to perform a simulation using the full-order high-fidelity model. However, the computational cost for one prediction with the proposed POD-NIROM is around 0.54 s, of which about 0.2 s is contributed by preprocessing. Compared with the NIROM based on the classic POD method, the proposed POD-NIROM can effectively update the input and reasonably predict the characteristics on the boundary. The analysis of the hydrodynamic performance of the MUPRo pinpoints that, over a certain period and with a certain undulation amplitude, the hydrodynamic force generated by the swinging-like mantle motion ( k < 0.5) is greater, outperforming Aequorea victoria in startup acceleration. It is demonstrated that considering a certain power loss and a certain tail beat amplitude, the wave-like mantle motion ( k > 0.5) can produce greater propulsion, which means higher propulsion efficiency.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle