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

2021 Fiscal Year Annual Research 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を予測する方法について検討するため，翼周りの流れ場の解析結果を学習データとして，空力騒音と翼型の関係について調べた．学習データには流れ場の渦度，圧力，空力音源項（div(ω)×V）の画像データを使用し，翼型の違いにより流れ場の特徴抽出が可能か検討したところ，渦度と圧力場が学習データに適していることがわかった．空力音源項は物理的には空力音の特性を示すのに適していると考えられるが，翼面付近の画像が翼型に関わらず一定であるため，特徴抽出には適さなかった．渦度または圧力場の輪郭線をもとに渦の中心位置と翼型との距離が空力音と強い相関を持つことこから，翼型と渦中心の距離を学習させることにより流れ場の画像データから空力音を推定することを試みた．また，前年度の渦の非定常性の寄与について明確な結果が得られなかったが，画像データそのものではなく，特徴抽出された結果の非定常性を学習させることにより時間的な変化の影響を考慮することが可能となり，渦度もしくは圧力変動と空力音の関係を学習させることができた．これらのデータをもとに翼から放射される空力音を機械学習により推定するシステムを構築し，さらに学習によって得られたデータを元にパラメータ空間内のデータを補間し，設計空間内のデータベースを構築した．
この結果をもとに空力音と流体のパワーが小さく，流体力（揚抗比）が最大となる翼形状を機械学習により検索し，ファン性能を最適化を行った．機械学習によって算出された翼性能を，数値解析を用いて調べ，従来型のファンとの比較を行った結果，機械学習によって最適化されたファン形状の空力騒音が最も小さくなることを確認した．この結果から機械学習により空力音の予測，ファン性能の最適化に適用できることを確認した．