2020 Fiscal Year Annual Research Report
AI aided turbulent combustion modeling based on advanced laser diagnostics and direct numerical simulation data science
| Project/Area Number |
20H00224
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
店橋 護 東京工業大学, 工学院, 教授 (40242276)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
志村 祐康 東京工業大学, 工学院, 准教授 (30581673)
源 勇気 東京工業大学, 工学院, 助教 (70769687)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 乱流燃焼 / レーザ計測 / 直接数値計算 / AI支援モデリング / データサイエンス |
|---|
| Outline of Annual Research Achievements |
本研究では，乱流燃焼のLarge Eddy Simulation(LES)のための物理数学モデルとして乱流燃焼モデルと火炎・壁面干渉熱伝達モデルを構築し，それらのモデルパラメータ同定において大規模直接数値計算(DNS)及び先端レーザ計測データを基盤とする深層学習等のAI技術を導入することで高精度AI支援モデルを構築する．
令和2年度は，研究代表者らが提案したFDSGS燃焼モデルにおいて火炎面のフラクタル特性の下限を決定するインナーカットオフスケールに対する相関式等の代替として深層学習モデルを開発することを中心に研究を進めた．DNSに基づく火炎面インナーカットオフスケールの深層学習モデルの構築・検証では，一様乱流中を伝播する平面乱流予混合火炎のDNSデータに対して，フィルター操作を施すことでLESデータを構築し，それらを教師データ及び検証データとした．火炎面のインナーカットオフスケールは乱流の普遍的微細構造の直径と層流火炎厚さとの比に関係することから，グリッドスケール(GS)物理量と局所平均微細渦直径(局所コルモゴロフスケールの8倍)の関係を学習させることで，未燃側で0.9程度の高い相関係数を示す高精度モデルを構築した．定容容器内乱流予混合火炎の複合レーザ計測に基づく深層学習モデルの構築・検証では，定容容器型燃焼器においてOHラジカルの平面レーザ誘起蛍光法(PLIF)により取得された火炎面画像に加えて，一様乱流中を伝播する平面乱流予混合火炎のDNSデータから疑似的に作成された火炎面画像を用いて，FDSGS燃焼モデルにおいて必要となる火炎のフラクタル次元を与える深層学習モデルの構築を行った．PLIF及びDNSデータ共にフィルター操作を施すことでLESを想定したGS火炎面を構築し，粗視化された火炎面データ(画像)から直接フラクタル次元を与える深層学習モデルを構築した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
令和2年度に計画されていた火炎面インナーカットオフスケールを与える深層学習モデルの構築と検証が滞りなく実施され，さらに火炎面のフラクタル次元を与える深層学習モデルの構築も行われたため．
|
| Strategy for Future Research Activity |
申請書に記載の通り，令和2年度はガスタービン燃焼器等の強い旋回流を含む燃焼場における開発したAI支援乱流燃焼モデルの精度検証と改良に重点をおいて研究を行う．加えて，乱流火炎と壁面の干渉時を表現する熱伝達モデルの基礎となる層流火炎・壁面干渉におけるAI熱流束予測モデルの構築に取り組む．令和４年度以降は，平均圧力が変化する燃焼場に対するAI支援乱流燃焼モデルの検証，AI支援乱流燃焼モデルの実装，AI支援火炎・壁面干渉熱伝達モデルの構築（乱流条件）を行う．
|
