| Project/Area Number |
20H00224
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 19:Fluid engineering, thermal engineering, and related fields
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
店橋 護 東京工業大学, 工学院, 教授 (40242276)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
志村 祐康 国立研究開発法人産業技術総合研究所, エネルギー・環境領域, 主任研究員 (30581673)
源 勇気 東京工業大学, 工学院, 助教 (70769687)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥45,370,000 (Direct Cost: ¥34,900,000、Indirect Cost: ¥10,470,000)
Fiscal Year 2023: ¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
Fiscal Year 2022: ¥9,490,000 (Direct Cost: ¥7,300,000、Indirect Cost: ¥2,190,000)
Fiscal Year 2021: ¥10,270,000 (Direct Cost: ¥7,900,000、Indirect Cost: ¥2,370,000)
Fiscal Year 2020: ¥19,370,000 (Direct Cost: ¥14,900,000、Indirect Cost: ¥4,470,000)
|
|---|
| Keywords | 乱流燃焼 / レーザ計測 / 直接数値計算 / AI支援モデリング / データサイエンス |
|---|
| Outline of Research at the Start |
地球・都市環境問題を解決するために，各種燃焼器には更なる高効率化と低環境負荷化が求められている．短期間・低コストで高効率・低環境負荷燃焼器を開発するには，数値解析の積極的な利用が期待されているが，その予測精度は採用された乱流燃焼モデルに大きく依存するため，より高精度な乱流燃焼モデルの開発が必要である．本研究では，乱流燃焼のLarge Eddy Simulationのための物理数学モデルとして乱流燃焼モデルと火炎・壁面干渉熱伝達モデルを構築し，それらのモデルパラメータ同定において大規模DNS及び先端レーザ計測データを基盤とする深層学習等のAI技術を導入することで高精度AI支援モデルを構築する．
|
| Outline of Annual Research Achievements |
本研究では，乱流燃焼のLarge Eddy Simulation(LES)のための物理数学モデルとして乱流燃焼モデルと火炎・壁面干渉熱伝達モデルを構築し，それらのモデルパラメータ同定において大規模直接数値計算(DNS)及び先端レーザ計測データを基盤とする深層学習等のAI技術を導入することで高精度AI支援モデルを構築する．令和４年度は，自動車用エンジンのような平均圧力が時々刻々変化する燃焼場における開発したAI支援乱流燃焼モデルの精度検証と改良に重点をおいて研究を行った．ここでは，研究代表者らは有する容容器内乱流燃焼のDNSデータを用いて，開発したAI支援乱流燃焼モデル(AI支援FDSGSモデル)の有効性を検証した．その結果，LESの枠組みの中で与えることのできる適切な入力物理量を選定することで，平均圧力が時々刻々変化する燃焼場にもAI支援FDSGSモデルを適用可能であることを明らかにした．また，現有の乱流燃焼のLESコードにAI支援FDSGSモデルを実装し，実際のLESをDNSと同条件で実施する動的テストを行うことで，モデルの有効性を明らかにした．具体的には乱流噴流予混合火炎を対象としたAI実装LESを実現し，DNSデータ，AI実装前のFDSGSモデル及び既存SGS燃焼モデルとの比較から，開発したAI支援乱流燃焼モデルが十分な精度で乱流燃焼場を予測可能であることを明らかにした．加えて，本研究では乱流火炎と壁面の干渉時を表現する熱伝達モデルとして乱流火炎・壁面干渉にけるAI熱流束予測モデルの構築に行った．前年度までに層流条件に対して開発したAI熱流束予測モデルを直接乱流条件に適用した場合でも概ね壁面熱流束を予測可能であることが明らかとなったが，LESの枠組みの中で入力物理量を選択し直すことで，さらに高精度に壁面熱流束を予測可能であることを明らかにした．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
令和4年度に計画されていた現有の乱流燃焼のLESコードへのAI支援乱流燃焼モデルの実装とAI実装シミュレーションの実現するとともに，実際のLESをDNSと同条件で実施する動的テストの実現し，開発モデルの検証を行ったため，さらにHead on quenchingとSide wall quenchingが混在する乱流火炎と壁面の干渉に対するAI支援火炎・壁面干渉熱伝達モデルの構築も行われた．
|
| Strategy for Future Research Activity |
申請書に記載の通り．令和5年度は，火炎面のインナーカットオフを決定するAI支援モデルに加えて局所フラクタル次元の簡易的に与えるAI支援モデルの構築，実装及び検証，開発したHead on quenchingとSide wall quenchingが混在する乱流火炎と壁面の干渉に対するAI支援火炎・壁面干渉熱伝達モデルの更なる高精度化，すべてのAI支援モデルを実装した動的テストによるAI支援火炎・壁面干渉熱伝達モデルの総合評価を行う．
|
