| 研究課題/領域番号 |
24K08151
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分27020:反応工学およびプロセスシステム工学関連
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
藤岡 沙都子 慶應義塾大学, 理工学部(矢上), 准教授 (50571361)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2026年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2025年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2024年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 液液スラグ流 / 流動予測 / 機械学習 / フローリアクター |
|---|
| 研究開始時の研究の概要 |
「液液スラグフローリアクター活用プロセス設計のための流動予測モデル」を開発する。二流体が管内を交互に流れる液液スラグ流は、内部循環流による混合促進効果により優れた反応・分離場になると期待される。しかし、液物性や操作条件、装置条件により変化する流動状態の迅速な予測は困難である。そこで機械学習を用いた液液二相流動状態の予測モデルを構築し、スラグ流活用のための迅速な操作条件決定を可能にする。
|
| 研究実績の概要 |
マイクロ・ミリスケール流路内の液液二相流は、反応場や分離場、特に混合性能に優れるスラグ流の利用が期待されている。しかし、多様な流体や流路条件（材質、形状）が存在するため、任意の条件に適用可能な普遍的な流動状態（液滴流、スラグ流、環状流）の予測モデルは未確立である。キャピラリー数とレイノルズ数を用いた従来の無次元数マップは存在するものの、流路の濡れ性や合流角度、材質、断面形状といった要因を考慮できず、異なる実験条件では予測精度が大きく変動するという課題があった。
そこで本研究では、機械学習、特にニューラルネットワーク技術を活用し、より広範な条件に対応可能な流動状態予測モデルの構築を目指した。モデルの入力変数には、界面張力、分散相と連続相それぞれの粘度と密度、管径、二流体の合流角度、壁面の接触角という計8つの物理的・幾何学的パラメータを採用した。出力は各流動状態（液滴流、スラグ流、環状流）の確率とした。学習と検証には、既往の4つの論文から抽出したデータと本研究グループの実験データを合わせた計3577点のデータセットを使用した。
ランダムに抽出したデータで学習・検証を行った結果、構築したモデルは約78%の正答率を達成し、特に重要なスラグ流とそれ以外の判別においてもF1値約0.76と、偏りの少ない良好な予測性能を示した。一方で、特定の流路条件の影響を評価するため、矩形管やガラス管のデータを意図的に学習データから除外し、テストデータとしてのみ使用したところ、正答率はそれぞれ約43%、約42%へと大幅に低下した。
この結果は、従来モデルでは十分に考慮されてこなかった流路の断面形状や材質が、細管内の液液二相流動状態を決定する上で極めて重要な影響因子であることを強く示唆している。
|
| 現在までの達成度 |
現在までの達成度
3: やや遅れている
理由
種々のニュートン流体についてガラスおよび樹脂製の円管での流動実験データをもとに機械学習モデルを構築した。着目した物性値のうち、粘度は比較的広い範囲について検討できたが、界面張力の異なる系についてのデータを追加する必要がある。
可視化実験に使用している機器の故障等の理由により実験がやや遅れている。
|
| 今後の研究の推進方策 |
流動状態予測について、界面張力を変化させた水-油系や水性二相系などいくつかのデータを追加する予定である。また、非ニュートン流体についてもあわせて検討する。
次のステップである形状予測については、種々の流体でスラグ流を形成し、分散相スラグの界面形状データを採集している途中である。
|
