| 研究課題/領域番号 |
17K06950
|
|---|
| 研究機関 | 日本大学 |
|---|
研究代表者 |
田辺 光昭 日本大学, 理工学部, 教授 (90291707)
|
|---|
| 研究分担者 |
齊藤 允教 日本大学, 理工学部, 助教 (20801020)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | 深層学習 / 燃焼振動 / Deep Auto-encoder / モード解析 |
|---|
| 研究実績の概要 |
計画どおりに振動バーナー（ほぼ線形の振動の場に関するデータ）とロケット燃焼器（非線形性の強い振動場データ）に関するビッグデータ生成を実施した．また，それらのデータを用いて深層ニューラルネットワーク（ＤＮＮ）による振動場の低次元化解析の第一段階として，従来型の機械学習であるＰＯＤ解析との比較検討を実施し，ＤＮＮによる解析の利点を示すことができた．設備導入では，深層学習と流体計算の両方に適したＧＰＵワークステーションとソフトウェアを選定・導入し，大量のデータ生成の基盤整備を行った．加えて，レーザーを用いて火炎像を取得する新たな光学系を導入し，より精度の高い実験ビックデータを蓄積するための基盤整備を行った．
振動バーナーとロケット燃焼振動につき学会報告した成果は以下である．
・振動バーナーによって形成した火炎の高速度直接撮影画像に対して多層のニューラルネットワークであるDeep Auto Encoder（ＤＡＥ）を設計し，ＰＯＤによる解析との比較を行った．基礎的で振動モードの少ない火炎の直接撮影ビデオを解析することにより，ＰＯＤと同等の解析が行えることを確認し，さらに理論的にPODの拡張ができる可能性を示した．（国際学会口頭発表1件）．
・ロケット燃焼器の数値計算結果にDAEを適用しロケット燃焼器内で発生する圧力変動のモード解析および温度変動のモード解析を行った，複雑な現象に対してもＤＡＥ解析が有効であることを示した．（国内学会口頭発表1件）
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
研究計画に記載した燃焼振動ビックデータの生成についてはロケット燃焼器の数値実験データ作成の基礎を確立しておりデータの蓄積を開始している．
振動バーナ火炎に対する実験データについても光学系の導入および試験を行っており新しい光学系においてもビックデータの生成に目処が立っている．
計算環境の構築およびコードの開発については，最新のGPGPUを搭載したワークステーションを導入している．また，コードの作成・検証についてもビックデータの生成と同時に進行している．
手法評価・振動燃焼モードの解析についてもロケット燃焼器における熱発生と圧力変動との練成解析についてもＤＡＥを利用して行うことが可能であることが確認できている．
以上のように当初の研究計画の内容に対して遅れなく進めることができていることや想定外の課題も生じていないためおおむね順調に進展している．
また，学会発表によってこの手法を公開したことに伴い，解析手法について多くの研究者の理解が得られ，すでに，自動車業界や航空中業界からの問い合わせとサンプルデータの解析を実施するに至っており，予想以上の水平展開が得られている．
|
| 今後の研究の推進方策 |
研究の計画に大きな変更はなく当初の予定通りに研究を進めていく．本研究の目的である燃焼振動機構解明を達成するためにビックデータの生成・蓄積を進め，ＤＡＥによる解析の最適ネットワークの探索・検証を引き続き行う．これに加えて当初予定していたＲＮＮを利用する時間変化を考慮した解析についてのコード開発を行い，各コードによる低次元化・手法の評価法開発・評価を進めていく．
他研究者の持つ燃焼振動や異常燃焼等のビッグデータについても利用できる環境整備を進めることで，将来的により多くの解析例を蓄積し，ＤＮＮによる振動解析という新たな領域を展開することを目指す．
|
| 次年度使用額が生じた理由 |
データ保存用のＨＤＤの価格変動の影響により，物品費の支出が減少した．
ビッグデータ生成用の数値シミュレーション開発は順調であり，次年度に増大する予定のデータの保存容量を増やすために繰り越して追加のＨＤＤ購入に使用する予定である．
|
