Development of aerodynamic noise reduction technology with correlation between unsteady vortex source and aerodynamic noise based on machine learning

2019 Fiscal Year Research-status Report

• Project/Area Number: 19K04168
• Research Institution: Toyohashi University of Technology
• Principal Investigator: 飯田 明由 豊橋技術科学大学, 工学(系)研究科(研究院), 教授 (30338272)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: 機械学習 / 空力騒音 / ファン / 最適化

Outline of Annual Research Achievements

空力騒音に関する機械学習解析技術についての基礎検討を行った．2次元翼から発生する空力騒音をコンピュータシミュレーションにより解析し，流れ場の情報，発生する空力騒音，翼に作用する揚力，抗力，翼を動かすための動力を求めた．翼の形状を4つのパラメータ（コード長，流入角，流出角，そり）により決定し，それぞれのパラメータを標準値を基準として，±20%変化させ，パラメータを5水準変えて計算を行った．この計算により625ケースの解析を行った．そのうちの500ケースを学習データとし，空力騒音，揚抗比，動力の３つを評価関数として機械学習を実施した．得られた機械学習データを用いて，残りの125ケースについて，機械学習より求められた結果と数値解析結果の比較を行った．機械学習の結果と解析結果の誤差は概ね3%以内であった．このことから機械学習が適切に行われていると判断し，機械学習結果を元にパラメータ数を増やし，6水準1296ケースに探索範囲を広げて，設計空間内における最適形状（騒音及び動力が小さく，翼性能が良い）の抽出を行った．その結果を元に再度，最適形状を推定した．得られた知見をこれまでに実施した3次元のファン解析結果と比較し，以下の知見が得られた．3次元解析で性能が悪かった対策前のファン形状は機械学習においても性能が悪い評価に分類されていた．一方，良い性能のファンとして評価されている市販のファンは，機械学習空間内でも性能の良いグループに入っていた．次に機械学習で性能が良いとされた形状について3次元解析を行った結果，従来のものよりも良い性能が得られた．3次元解析と比べると2次元の解析に機械学習を加えた解析は少ないリソースで済むこと，設計空間の複雑なパラメータを分析する部分を効率化することができることがわかった

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

機械学習を実施する際に問題となるデータ収集については2次元の流れ解析とすることで対応した．機械学習モデルへのデータ入力，出力の確認ともに予定通り実施することができた．また，最適化計算を行った結果，以前に解析した結果との整合性を確認することができ，機械学習の効果を確認することができた．研究は概ね順調に進展していると考えられる．

Strategy for Future Research Activity

機械学習を実施する上で問題となるデータ収集については，機械学習データの結果を利用して検査空間を広げていくことにより対策を行っている．
解析結果を1次元のデータ列として扱う場合と比較して，2次元の画像データを扱う場合はデータ量の課題があるので，この点についてできるだけデータを縮約する方法を検討し，機械学習を円滑に行えるようしていく．
機械学習エンジンについては，文献等を参考に，より効率の良いものを使うことで対応していく．