2021 Fiscal Year Annual Research Report
Dimension Reduction Analysis on Combustion Oscillation using Neural Network
| Project/Area Number |
17K06950
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
田辺 光昭 日本大学, 理工学部, 教授 (90291707)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
齊藤 允教 日本大学, 理工学部, 准教授 (20801020)
|
|---|
| Project Period (FY) |
2017-04-01 – 2022-03-31
|
| Keywords | 燃焼振動 / 液滴燃焼 / 深層学習 / ロケットエンジン / 冷炎 / モード分解 |
|---|
| Outline of Annual Research Achievements |
最終年度は異なる振動機構をもつロケットエンジン燃焼室内の燃焼振動と燃料液滴列での冷炎振動という２課題につき，引き続き深層学習による解析を行った．昨年度までに開発していた変分自己符号化器（VAE)の最終段の直交化を両課題に適用して振動の状態をモード毎，位相毎に議論した．これにより，燃焼振動では振幅が小さい場合の加振源となる場所およびその燃焼状態と，振幅が大きく，リミットサイクル振動になる場合のそれとが異なり，２つの独立した加振現象が振幅に応じて切り替わっていることを発見した．また，冷炎振動においては，液滴列の端にある液滴と列の内側の液滴とで振動の位相が異なり，かつ両者を繋ぐ現象があることを特定した．これらにより，両課題について，深層学習を適用した解析で振動の状態を適切に判別し，支配的な物理現象を明らかにするに至った．また情報公開や啓蒙活動も継続し，これらの成果がピアレビューでも認められるようになり，燃焼分野で最も権威ある会議で採択される段階まで同僚研究者の理解を得るに至った．
研究期間全体としては，他の振動問題にも応用できる技術として，高次元の物理変数空間から深層学習で低次元位相空間に射影し，その空間上の任意の点において，振動の固有直交モード毎にエネルギー分率を算出でき，どのモードの現象がどの位相で支配的かを明らかにできる手法を提供できた．また，それぞれのモードにおける各物理パラメータの振幅の空間分布を，可読性を有するVAE最終段から抽出し組合わせることで，例えば燃焼振動へのエネルギー供給量の指標となる圧力振動と発熱振動の相関量（レイリー指数）の空間分布など，相関解析も達成しており，物理現象における様々な評価パラメータの時空間での挙動を位相空間上の軌道上で詳細に議論できる手法を提供するものとなった．高次元非線形力学系の１つの新たな振動解析法を提供できたと考えている．
|
