Optimal Designing of Tidal/Ocean Power Generator by Machine Learning Architecture
| Project/Area Number |
21K14081
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 19010:Fluid engineering-related
|
|---|
| Research Institution | Hakodate National College of Technology |
|---|
Principal Investigator |
藤原 亮 函館工業高等専門学校, 生産システム工学科, 准教授 (70791375)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 海洋発電機 / 流体場 / 変分オートエンコーダ / 海洋発電 / 機械学習 / 深層学習 / 最適設計 |
|---|
| Outline of Research at the Start |
潮海流発電において効率的にエネルギを回収するため，人間社会の利益となる物理量を最大化し，不利益となる物理量を最小化する性能を実現する設計（最適設計）を機械学習により行う．最適設計を行うため，流体・機械・電気要素等の幾多もの設計値間の多変量解析を行う必要がある．従来の多変量解析手法では，計算時間が膨大となる，発電機の形状や流況により数理モデルが恣意的になる，他海域におけるエネルギ回収へ応用可能な知見が得られるとは限らない等の問題点がある．本研究課題ではこれらの問題点を解決するため，機械学習により流速場等の実験データを学習させ海洋発電機の最適設計値を推定する．
|
| Outline of Annual Research Achievements |
実験用水槽を構築し，３次元的にディフューザーまわりの流体場を観測した．２方向からレーザーを照射し，高速度カメラで撮影を行った．水槽内の流速は相似則を用いて現地流速に対応するものとして設定した．
変分オートエンコーダによる設計値から流体場の生成ができた．変分オートエンコーダは，エンコーダとデコーダから成り立っている．例えば画像や音声などの高次元なテンソルデータを，エンコーダにより潜在空間という低次元の空間に圧縮し，デコーダにより復元する．この圧縮と復元の方法を，復元されたデータと元データとの誤差が最小になり，潜在空間上の符号化された点の分布が正規分布に近くなるように学習する．エンコーダに入力するデータを，実験により計測した海洋発電機まわりの流速場データとし，圧縮と復元を行う．上記の変分オートエンコーダの学習を通し，潜在空間という符号化された低次元な空間から，元データ（流速場データ）を生成する方法を学習できる．そして，設計値と潜在空間の関係を，深層学習アーキテクチャの一種である全結合ネットワークを用いて学習した．このように，設計値と潜在空間の関係，潜在空間と流速場の関係を学習することにより，設計値から流速場を予測するアーキテクチャを構築できた．
設計値および境界条件から流速場を予測し，海洋発電機性能を予測するアーキテクチャの基礎を構築できた．このアーキテクチャを応用すれば他の流体機械の設計問題にも応用可能である．
|
Report
(3 results)
Research Products
(8 results)
