流れの超解像再構成を活用した散逸・駆動モデリングによる超粗格子LESへの挑戦
| Project/Area Number |
22K18764
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 19:Fluid engineering, thermal engineering, and related fields
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
河合 宗司 東北大学, 工学研究科, 教授 (40608816)
|
|---|
| Project Period (FY) |
2022-06-30 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000)
Fiscal Year 2023: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Fiscal Year 2022: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
|
|---|
| Keywords | 数値流体力学 / 機械学習 / LES / 流体力学 / 乱流 |
|---|
| Outline of Research at the Start |
本研究では、高忠実な乱流シミュレーション、LES (Large-eddy simulation)の抜本的低コスト化を目指し、機械学習による画像生成技術を応用した流れの超解像再構成を活用し、再構成された流れの非解像成分が解像成分に与えるマルチスケール相互干渉効果を超粗格子LES方程式に導入する。これにより、これまで困難とされてきた遥かに粗い格子上でも高忠実な流れの予測を可能とするLES手法の確立に挑戦する。
|
| Outline of Annual Research Achievements |
本研究課題では通常のSGSモデルを用いたLESでは正しい平均速度分布やレイノルズ剪断応力が得られないほど粗い格子を用いたLESでも、正しい速度分布やレイノルズ剪断応力が得られる機械学習ベースのSGSモデルの確立を目指して研究を実施した。本研究課題最終年度となる本年度は、昨年度構築した教師なし機械学習パイプラインモデルに基づく粗格子LESのSGSモデルに関して、学習データ数を増やしモデルの収束性を確認した。続けて、開発した教師なし機械学習パイプライン基づくSGSモデルをLESソルバーに組み込み、実際に粗格子を用いたLES解析により本SGSモデルの性能を詳細に検証した。本粗格子LESのSGSモデルは、逆拡散SGS応力などの効果で粗い格子で非物理的に伸長した壁面付近の構造を細かい構造へと崩壊させる効果があることが明らかとなった。その結果、レイノルズ剪断応力が壁面近傍から適切に生成されることで、粗格子LESでも正しい平均速度分布を得られるという開発した粗格子LESのSGSモデルの有効性を明らかにした。
加えて、粗い時間刻み幅を用いた時間陰解法により生じる流れ場の時間積分エラーを修正する機械学習モデルを構築し、LESにおける高速な時間積分法の確立を目指して研究を実施した。結果、時間積分エラーによって欠落した細かな乱流構造や数値振動を機械学習より修正し、乱流統計量やスペクトルの観点からも乱流場を再現できることを明らかにした。
|
Report
(2 results)
Research Products
(9 results)
