2023 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 国立研究開発法人産業技術総合研究所, エネルギー・環境領域, 主任研究員 (30581673)
|
|---|
| 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5年度は，これまで開発してきたAI支援乱流燃焼モデル(AI支援FDSGSモデル)とAI支援壁面干渉熱伝達モデルのそれぞれをさらに高精度化することに重点をおいて研究を行った．AI支援FDSGSモデルの高精度化では，これまで開発した火炎面のインナーカットオフを決定するAI支援モデルに加えて局所フラクタル次元を簡易的に与えるAI支援モデルの構築を行った．学習には現有の乱流噴流予混合火炎，定容容器内乱流予混合火炎等のDNSデータを使用した．火炎面のフラクタル次元とインナーカットオフを局所的に与えるAI支援モデルを現有のLESコードに実装し、DNS結果との比較からAI支援乱流燃焼モデルの精度を検証した．AI支援壁面干渉熱伝達モデルの高精度化では，開発したHead on quenchingとSide wall quenchingが混在する乱流火炎と壁面の干渉に対するAI支援火炎・壁面干渉熱伝達モデルにおける入力物理量に壁面と火炎面のなす角を追加することで更なる高精度化を実現した．また，メタンを対象とした定容容器内乱流予混合火炎の三次元DNSを実施し，それらの詳細な解析から火炎・壁面干渉における三次元効果を明らかにするとともに，三次元効果を表現可能な入力物理量の選定を行った．最終的に，定容容器内のメタン・空気乱流予混合火炎を対象としてAI支援火炎・壁面干渉熱伝達モデルの総合評価を行った．
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
