Development of Artificial Neural Networks with Integrated Conditional Random Fields Capable of Predicting Non-linear Dynamics of the Flow Around Cylinders

Herzog, Sebastian und Wagner, Claus (2020) Development of Artificial Neural Networks with Integrated Conditional Random Fields Capable of Predicting Non-linear Dynamics of the Flow Around Cylinders. In: 21st STAB/DGLR Symposium on New Results in Numerical and Experimental Fluid Mechanics, 142, Seiten 71-79. Springer Nature. 21. STAB/DGLR Symposium 2018, 2018-11-06 - 2018-11-07, Darmstadt, Deutschland. doi: 10.1007/978-3-030-25253-3_7. ISBN 978-3-030-25252-6. ISSN 1612-2909.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: https://doi.org/10.1007/978-3-030-25253-3_7

Kurzfassung

This paper presents a new approach intended to predict flow dynamics based on observed data. The approach uses artificial neural networks extended by an adapted conditional random field. This artificial neural network is trained end-to-end and the embedded conditional random field memorizes previous events and uses this memory for flow predictions. The prediction capability of the proposed method is demonstrated for flows around cylinders which are computed with a Lattice Boltzmann method in order to train the artificial neural network.

elib-URL des Eintrags:

https://elib.dlr.de/135609/

Dokumentart:

Konferenzbeitrag (Vortrag)

Zusätzliche Informationen:

Print ISBN 978-3-030-25252-6 Online ISBN 978-3-030-25253-3 ISSN-electronic 1860-0824

Titel:

Development of Artificial Neural Networks with Integrated Conditional Random Fields Capable of Predicting Non-linear Dynamics of the Flow Around Cylinders

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Herzog, Sebastian	sebastian.herzog (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Wagner, Claus	Claus.Wagner (at) DLR.de	https://orcid.org/0000-0003-2273-0568	NICHT SPEZIFIZIERT

Datum:

2020

Erschienen in:

21st STAB/DGLR Symposium on New Results in Numerical and Experimental Fluid Mechanics

Referierte Publikation:

Open Access:

Nein

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

Nein

Band:

142

DOI:

10.1007/978-3-030-25253-3_7

Seitenbereich:

Seiten 71-79

Herausgeber:

Herausgeber	Institution und/oder E-Mail-Adresse der Herausgeber	Herausgeber-ORCID-iD	ORCID Put Code
Dillmann, Andreas	Andreas.Dillmann (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Heller, Gerd	Airbus	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Krämer, Ewald	Institut für Aerodynamik und Gasdynamik Universität Stuttgart	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Wagner, Claus	Claus.Wagner (at) dlr.de	https://orcid.org/0000-0003-2273-0568	NICHT SPEZIFIZIERT
Tropea, Cameron	Fachgebiet Strömungslehre und Aerodynamik, TU Darmstadt	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Jarkilic, Suad	TU Darmstadt	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Verlag:

Springer Nature

Name der Reihe:

Notes on Numerical Fluid Mechanics and Multidisciplinary Design

ISSN:

1612-2909

ISBN:

978-3-030-25252-6

Status:

veröffentlicht

Stichwörter:

System modeling, Machine learning, ANNs

Veranstaltungstitel:

21. STAB/DGLR Symposium 2018

Veranstaltungsort:

Darmstadt, Deutschland

Veranstaltungsart:

internationale Konferenz

Veranstaltungsbeginn:

6 November 2018

Veranstaltungsende:

7 November 2018

Veranstalter :

STAB/DGLR

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Verkehr

HGF - Programmthema:

Schienenverkehr

DLR - Schwerpunkt:

Verkehr

DLR - Forschungsgebiet:

V SC Schienenverkehr

DLR - Teilgebiet (Projekt, Vorhaben):

V - NGT BIT (alt)

Standort:

Göttingen

Institute & Einrichtungen:

Institut für Aerodynamik und Strömungstechnik > Bodengebundene Fahrzeuge

Hinterlegt von:

Wagner, Prof. Dr.-Ing. Claus

Hinterlegt am:

05 Aug 2020 09:22

Letzte Änderung:

24 Apr 2024 20:38

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags