Clarification of Cool Flame Dynamics by Deep Learning as Dimensionality Reduction Technique

• Project/Area Number: 21K14347
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 24010:Aerospace engineering-related
• Research Institution: Nihon University
• Principal Investigator: 齊藤 允教 日本大学, 理工学部, 准教授 (20801020)
• Project Period (FY): 2021-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2021)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2024: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2023: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000); Fiscal Year 2022: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000); Fiscal Year 2021: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
• Keywords: 深層学習 / 冷炎 / 液滴燃焼 / 低次元化 / 微小重力燃焼

Outline of Research at the Start

次世代の航空・宇宙輸送に必要な軽量かつ高出力なエンジン開発に貢献する異常燃焼の予測を目指し，異常燃焼の発生に影響を与えていると考えられている冷炎と呼ばれる炎を対象として，いつ，どこで，どのように生じるかといった一連の挙動のモデル化を図る．実用燃焼器内部は様々な雰囲気温度や液滴間隔が空間的に分布し，それに伴い蒸発する燃料蒸気の量や化学種の濃度などが連動して変化するため，冷炎の挙動を予測することは一般的に困難だが，本研究では数値計算により得られる雰囲気温度や液滴間隔が異なるデータに対して深層学習を適用することで，冷炎の挙動を支配している主要な状態変数を特定し，冷炎の予測を容易にすることを目指す．