翼付き飛行船の二領域ハイブリッド空力モデリング：ニューラル混合によるアプローチ

翼付き blimp の空力モデリング論文。高速・小迎角では固定翼機的な lift と attitude の強い coupling、低速・大迎角では viscous 効果と flow separation が支配する drag 駆動・damping 支配の動力学を示す。単一モデルでは捉えられないため、fixed-wing Aerodynamic Coupling Model (ACM) と Generalized Drag Model (GDM) を learned neural network mixer で統合し、physics-based regularization を明示的に加えた hybrid aerodynamic modeling framework を提案。RGBlimp platform で検証。

従来は単一モデルや predefined mixer で winged blimp の複数空力 regime を扱っていたが、regime 間の遷移を十分に表現できなかった。本研究は learned neural network mixer と physics-based regularization を組み合わせ、明示的な物理ベース空力表現を保持しつつ滑らかな遷移を実現。実験で single-model および predefined-mixer baselines を一貫して上回った点がすごい。

- hybrid aerodynamic modeling framework - fixed-wing Aerodynamic Coupling Model (ACM) - Generalized Drag Model (GDM) - learned neural network mixer - explicit physics-based regularization - パラメータ同定 - structured three-phase pipeline - hybrid aerodynamic modeling 向けに調整 - 遷移 - regime 間を滑らかに接続 - 物理ベース表現を保持

- RGBlimp platform 上で大規模実験 - 1,320 real-world flight trajectories - 330 thruster and moving mass configurations - 広範囲の speeds と angles of attack を網羅 - 比較 - single-model baselines - predefined-mixer baselines - 結果 - 提案 hybrid model が一貫して優位

要旨からは不明。regime 遷移の理論的保証、neural mixer の解釈性、physics-based regularization の感度、他プラットフォームへの汎化、計算コスト、失敗事例などは明示されていない。

要旨で参照・比較されている研究は明示されていない。関連手法として fixed-wing Aerodynamic Coupling Model (ACM)、Generalized Drag Model (GDM)、neural network mixer、physics-based regularization、hybrid aerodynamic modeling、RGBlimp platform が挙げられる。同分野の定番として winged blimp の空力モデリング、flow separation を扱う viscous aerodynamic models、learned dynamics models を読むとよい。