| Project/Area Number |
19K14903
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 19020:Thermal engineering-related
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
Minamoto Yuki 東京工業大学, 工学院, 助教 (70769687)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2019: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
|
|---|
| Keywords | 乱流燃焼 / 乱流燃焼モデル / 直接数値計算 / 機械学習 / LES / RANS / 反応性乱流 / 乱流 / 数値計算 / モデル / 深層学習 / モデル開発 / 高Ka |
|---|
| Outline of Research at the Start |
次世代高効率・低環境負荷燃焼器を低コストで開発するには数値熱流体解析による予測が必要であるが，そのような燃焼場の予測を可能とする単一の乱流燃焼モデル開発は困難である．また，低環境負荷燃焼場で起こり得る火炎同士の干渉による燃焼速度の変化や自着火，消炎などの複数の局所現象が複合的に混在する燃焼場を予測可能な乱流燃焼モデルは存在しない．本研究では，複合的乱流燃焼場におけるこれらの局所現象を解明し，解明された洞察に基づき構築された学習データを用いて，複合的乱流燃焼場を連続的に記述するような機械学習支援型の乱流燃焼モデルを開発することを目的とする．
|
| Outline of Final Research Achievements |
Turbulent combustion models were developed by using machine learning techniques which may be applied to various combustion conditions such as premixed and MILD combustion. For these purposes, physics-guided loss function was proposed to consider mass and atomic conservations. Also a conventional modelling framework was incorporated with machine learning to achieve robust modelling.
|
| Academic Significance and Societal Importance of the Research Achievements |
希薄予混合燃焼やMILD燃焼技術などを用いた次世代低環境負荷燃焼では、乱流特性時間が火炎特性時間に比べて局所的に短くなる場合があり、乱流燃焼条件は局所的に大きく異なる。このような特性を持つ低環境負荷燃焼器を低コストで開発するには数値熱流体解析による予測が必要であるが、そのような燃焼場の予測を可能とする乱流燃焼モデル開発は困難である。本研究では、高精度数値熱流体解析の実現に寄与する乱流燃焼モデルを機械学習により開発した。
|
