Комментарии 4
Касательно самой статьи (оригинала), к автору перевода тут претензий нет:
Замечания в части перевода:
Аэродинамические силы есть факт, они не могут кого-либо удовлетворять или нет. Если у механизма (видимо пускового устройства) низкая точность, то никакая математика не поможет. Снайпер не уложит серию в одну угловую минуту с разбитым стволом.
В оригинале такой фразы не нашёл.
В данном эксперименте от места шарика ничего не зависит. Cx, Cy зависят от скорости. g зависит от высоты, но здесь это исчезающе малое различие. В оригинале «Regarding object dynamics»
Specifically for aerodynamics, to accurately determine lift anddrag force coefficients, experiments using expensive tools andsensors such as wind tunnels must be used
We assume access to data p(Xr,Yr) of measured launcher configurations Xr and launch outcomes Yr
- Т.е. множественные эксперименты с бросками макетов гораздо лучше чем аэродинамическая труба?
- Нигде не указано влияние деформации объекта на полёт. И была ли она в принципе.
- Ну и самое главное: не сказано, какие преимущества даёт метод по сравнению с численным моделированием в условном ансисе.
Замечания в части перевода:
При запуске объекта аэродинамические силы и низкая точность механизма в совокупности формируют неудовлетворительную динамику
Аэродинамические силы есть факт, они не могут кого-либо удовлетворять или нет. Если у механизма (видимо пускового устройства) низкая точность, то никакая математика не поможет. Снайпер не уложит серию в одну угловую минуту с разбитым стволом.
В оригинале такой фразы не нашёл.
В зависимости от места шарика на траектории эти силы действуют на шарик с разными величинами и в разных направлениях
В данном эксперименте от места шарика ничего не зависит. Cx, Cy зависят от скорости. g зависит от высоты, но здесь это исчезающе малое различие. В оригинале «Regarding object dynamics»
Ну и самое главное: не сказано, какие преимущества даёт метод по сравнению с численным моделированием в условном ансисе.
Я так понимаю, это такой эмпирический подход. Нечто похожее используется в теплообмене — проводится много экспериментов, дальше результаты обобщаются некими зависимостями той или иной степени общности. Можно использовать «полуэмпирический подход» — когда строится некая теоретическая модель, а коэффициенты улучшаются за счет экспериментальных данных.
Или в той же гидро/аэродинамике — из эксперимента надо брать параметры моделей турбулентности, а здесь параметры даёт нейросеть, выполняя по сути операцию многомерной оптимизации.
В том то и вопрос. Этот подход позиционируется авторами статьи как альтернатива физическим экспериментам. Но при этом использует информацию этих экспериментов.
Если бы они математически моделировали полёт с использованием информации об окружающей среде (плотность воздуха, температура и пр.), оптимизировали параметры запуска и потом проводили «контрольные стрельбы» с высокой точностью. Тогда претензий бы не было.
Если бы они математически моделировали полёт с использованием информации об окружающей среде (плотность воздуха, температура и пр.), оптимизировали параметры запуска и потом проводили «контрольные стрельбы» с высокой точностью. Тогда претензий бы не было.
На конференции по Data Sciense была работа по вот такой гидродинамике. У автора спросили — а откуда брать данные для обучения нейросети? Он ответил — ну надо вначале провести обычных расчетов… тысяч так пятьсот. Ему сказали — ну спасибо, за это время и обычными методами задачу посчитать можно.
Я настроен по отношению к этому разделу скептически. Ведь и до появления шустрых компьютеров ракеты и самолеты неплохо летали — есть формулы полученные из экспериментов обеспечивающие приемлемую точность. ИМХО это какой-то откат во времена когда не существовало моделей, а были только наблюдения за частными случаями. В принципе логично — чтобы построить модель надо думать, а тут — закинул данные в комп и смотри, что на выходе.
Я настроен по отношению к этому разделу скептически. Ведь и до появления шустрых компьютеров ракеты и самолеты неплохо летали — есть формулы полученные из экспериментов обеспечивающие приемлемую точность. ИМХО это какой-то откат во времена когда не существовало моделей, а были только наблюдения за частными случаями. В принципе логично — чтобы построить модель надо думать, а тут — закинул данные в комп и смотри, что на выходе.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Как моделировать траекторию полёта снаряда при помощи глубокого обучения