2021 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3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前年度に構築した深層学習モデルを，ガスタービン燃焼器等の強い旋回流を含む燃焼場において精度検証及び改良を行うことを重点に研究を行った．前年度の開発過程で対象とした一様乱流中の平面乱流予混合火炎に加えて，Ｖ型乱流火炎，平面噴流乱流火炎及びマイクロガスタービンを模擬した矩形燃焼器の旋回乱流予混合火炎を対象として，開発したAI支援モデルの精度検証を行った．いずれの乱流燃焼場においても，開発したAI支援モデルは未燃側で局所コルモゴロフ・スケールを高精度に予測可能であり，研究代表者らによるFDSGS燃焼モデルの高精度化に寄与できることを明らかにした．加えて，層流条件でのHead on quenchingを対象にAI支援火炎・壁面干渉熱伝達モデルの構築に取り組んだ．種々の燃料，当量比，予熱温度，壁温，圧力等の条件における層流予混合火炎と壁面の干渉に関するDNSデータを有効利用し，火炎・壁面干渉時に生じる極めて大きな壁面熱流束をLESの枠組みの中で考慮に入れることを可能とするAI支援モデルを構築した．適切な入力物理量の選定を行うことで，LESの任意の空間解像度及び時間解像度において，火炎・壁面干渉による壁面熱流束を予測する高精度AI支援モデルを構築した．
|
| 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3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検証を，Ｖ型乱流火炎，平面噴流乱流火炎及びマイクロガスタービンを模擬した矩形燃焼器の旋回乱流予混合火炎において実施し，開発モデルが十分な精度を有することを明らかにしたため．また，計画されていた層流条件でのHead on quenchingを対象としたAI支援火炎・壁面干渉熱伝達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．
|
