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

2020 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 / 渦 / 非定常 / 主成分分析

Outline of Annual Research Achievements

機械学習を用いて空力音の予測を行うため，数値解析によって得られた渦の画像データから，渦の中心，渦の輪郭を推定し，それらの渦の持つ特徴を抽出した．渦の主成分解析データと実際に音に寄与していたかの相関データをもとに，どの特徴因子を持った渦が音を生成しているか検討した．技術的な課題として，渦の輪郭を決める際に閾値をどのようにするのか，得られた輪郭線と実際の渦度場のずれが推定結果に及ぼす影響を評価するため，輪郭線を構成する点数について検討した．点数が多すぎると学習データの構築が難しくなること，点数が少ないと輪郭の抽出が難しくなることから，パラメータサーベイにより渦を構成する輪郭点の個数を20点とした．
学習によって得られたデータから渦の形は様々であるが，その特徴と音の生成には顕著な相関がないことがわかった．一方，渦と物体の位置関係には強い相関があることから，渦の輪郭と物体との距離が主要な因子となることがわかった．
予想では渦の変動，非定常性が音の生成に寄与すると考えられたが機械学習の結果ではその点はあまり明確ではなかった．この要因がデータ数の不足によるものなのか，本質的なものかについては今後検討していく必要がある．
空力音を機械学習により予測するには，渦輪郭と物体の距離，渦の強さを主要因子として学習されることが効率的であることがわかった．今後は，より低解像度の解析結果，定常解析データも学習データに加え，設計等に役立つ手法を開発する．その際に，今回のように物体との距離を考慮する学習データが必要になることが示された．

Current Status of Research Progress

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

Reason

渦の輪郭を抽出し，画像データから空力音を推定することを試みた．前年度に推定した揚力，空力音，効率の学習データから性能予測が可能となり，今年度実施した画像解析から音の発生要因を推定することが可能となり，機械学習による空力音の推定が予定通り進められている．

Strategy for Future Research Activity

これまで2次元のデータをもとに機械学習を進めてきていたが，今後は対象を3次元に拡張すること，より精度の低いデータから空力音を予測するため，機械学習に敵対的アルゴリズムを導入し，高精度化を図っていく．