| 研究課題/領域番号 |
18H03758
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
深潟 康二 慶應義塾大学, 理工学部(矢上), 教授 (80361517)
|
|---|
| 研究分担者 |
山本 誠 東京理科大学, 工学部機械工学科, 教授 (20230584)
長谷川 洋介 東京大学, 生産技術研究所, 准教授 (30396783)
岩本 薫 東京農工大学, 工学(系)研究科(研究院), 教授 (50408712)
塚原 隆裕 東京理科大学, 理工学部機械工学科, 准教授 (60516186)
福島 直哉 東海大学, 工学部, 講師 (80585240)
守 裕也 電気通信大学, 大学院情報理工学研究科, 准教授 (80706383)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 流体力学 / 乱流 / ビッグデータ / 機械学習 / 低次元モデル |
|---|
| 研究実績の概要 |
流れ場の時空間データの機械学習を試み，以下の成果を得た．
(1)畳み込みニューラルネットワーク(CNN)と多層パーセプトロン(MLP)あるいはLong Short Term Memory (LSTM)を組み合わせによりチャネル乱流の断面流速分布の時空間発展の機械学習を行い，乱流の時空間発展が良好に予測できることを示した．また，二次元乱流に対してCNNを用いた超解像解析を行い，極めて粗い場から元データが再現できることを示した．
(2)二次元円柱周り流れに対してCNNを用いた縮約を試み，低次元化されたモードに対してSINDyを適用し，モードの時間発展の常微分方程式が導出できることを示し，CNNとLSTMを用いた学習からは異なるレイノルズ数の流れや角柱周り流れなどへの転移学習が可能であることを示した．
(3)抵抗低減を目的とした円管内脈動乱流の室内実験を実施し，ランダムな脈動波形の自動計測及びMLPを用いた脈動波形の抵抗低減効果予測モデルの製作を行い，最大で38.6%の抵抗低減効果を確認した．また，ポンプ電圧を用いた抵抗低減効果の学習を行い、高い予測精度を確認した．
(4)スカラー濃度の乱流拡散現象における点源推定を目標として，瞬時濃度分布画像に基づく拡散源距離の予測を畳込みCNNにより実現するための検証を行った．また，MLPを用いて，粘弾性流体チャネル乱流における構成応力場推定の実現可能性を調査した．
また，様々な熱流体機械に関連する乱流およびマルチフィジックス流体現象を数値シミュレーションする方法の開発，脈動制御を付与した円管内乱流のDNSによる渦構造の存在割合と摩擦抵抗係数の時間変化における相関の発見，回転／制御チャネル乱流に対してResolvent解析の適用可能性調査など，本研究の位置づけと更なる発展に必要な研究を行った．
|
| 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
流れ場における二次元空間データの回帰と時空間発展の予測，単純な流れに対する低次元モードの抽出をそれら低次元モードを支配する方程式の導出に成功し，三次元乱流場を扱うための準備が整ったため．また，上述の通り，本研究の位置づけと更なる発展に必要な研究も大きく進展したため．
|
| 今後の研究の推進方策 |
2019年度は，構築した多層ニューラルネットワークの三次元データへの適用可能性を探るべく，チャネル乱流における三次元時空間データの機械学習および低次元モードの抽出を試みる．また，類似の研究が世界的なブームになりつつあるため，本研究で2018年度に得られた数々の研究成果を複数の国際会議にて発表し，世界中の他の研究チームからのフィードバックを得ることにより，研究内容の更なる充実を図る．さらに，2018年度から引き続き，粒子画像流速測定（PIV）で得られる不完全な実験データに対する機械学習の検討や，単純チャネル乱流に異なる効果を重畳した乱流場のDNSによる時空間データの蓄積を進める．
|
