| 研究課題/領域番号 |
21H05007
|
|---|
| 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)
岩本 薫 東京農工大学, 工学(系)研究科(研究院), 教授 (50408712)
長谷川 洋介 東京大学, 生産技術研究所, 准教授 (30396783)
塚原 隆裕 東京理科大学, 理工学部機械工学科, 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) |
2021-07-05 – 2026-03-31
|
| キーワード | 流体力学 / 機械学習 / 流れの制御 / 低次元モデル / データ駆動 |
|---|
| 研究実績の概要 |
様々な制御入力を含む２次元円柱周り流れのDNSデータにCNN-AEを適用することにより低次元潜在ベクトルを取得し、スパース回帰を用いてその支配方程式を導出し、最適制御理論を組み合わせることにより渦放出抑制の制御則を構築した。さらに、潜在空間での支配方程式が線形の常微分方程式となるような制約を課したネットワークであるLinear System Extracting Autoencoder (LEAE）を提案し、基本的な非線形方程式系の問題および円柱周り流れの制御に適用した。円柱周り流れの制御に用いるアクチュエータとしては円柱表面の2箇所に配置された吹出し／吸込みを仮定し、その吹出し／吸込み強度も含めてLEAEを用いた機械学習を行い、最適制御理論を適用することにより、最適フィードバック制御を含む潜在空間での線形支配方程式を得た。その結果、潜在変数の軌道を安定化させ、物理空間に逆写像した場においては渦放出を抑制できることが確認できた。
CNN-AE以外の手法の調査としては、強化学習を用いて壁乱流の摩擦抵抗低減のための効果的な制御則の探索を行った。流れ場としては低レイノルズ数完全発達チャネル乱流を考え、そのDNSにおいて長期的な摩擦抵抗を減らすことを報酬とした強化学習を行った。センサ情報として壁垂直速度変動のみを用いた場合には、従来の制御則における最適な重みを再現することが確かめられた。一方、非線形ネットワークを使用した場合には、瞬時の主流方向および壁垂直方向速度変動に基づくより複雑な制御戦略が得られた。具体的には、壁に向かう高速流体の下降と壁から離れた低速流体の上昇のそれぞれに対して強い吹出しと吸込みで急激に切り替わるような制御戦略であり、これにより従来の制御則によって達成された23%よりも高い37%という高い抵抗低減率の達成が確かめられた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
１．目標を達成するための要素研究のうち、「低次元潜在ベクトルを取得し、スパース回帰を用いてその支配方程式を導出し。制御理論を組み合わせることによって制御則を構築する」という一番基本となる戦略が、2次元円柱周り流れという簡単な問題設定に限定されているものの、ある程度うまく行きそうであることが確認できたため。
２．CNN-AE以外の機械学習手法の検討においては、強化学習を用いた壁乱流の摩擦抵抗低減制御において期待以上の制御効果が得られたとともに、効果的な制御戦略を開発するための新しいフレームワークになり得ることが示されたため。
３．機械学習を用いることによる限られたセンサ情報からの流れ場の推定においても、良好な結果が得られているため。
４．非ニュートン流や混相流など、より複雑な流れへの適用や実応用を見据えた要素研究も順調に進んでいるため。
５．最終目標である制御効果の実験的検証のための実験装置の導入も予定通り進んでいるため。
|
| 今後の研究の推進方策 |
2021～2022年度は上述の要素研究を重点的に進めてきたが、中間年度となる2023年度は要素研究のうちさらに改善の必要があるものに関しては引き続き進め、並行して、最終目標に向けた統合を図っていく。さらに、最終目標である実験的検証に向け、2023年度にはベースラインとなる流れ（制御を加えない流れ）の風洞実験計測および水槽実験を行う。2024年度には円柱周り流れや壁に沿う乱流などのカノニカルな流れに対して、機械学習ベース制御の風洞実験、水槽実験を用いた実験的実証を行い、最終年度には一連の成果に基づき産業応用への可能性を見極め、流れ制御手法構築の方法論を確立する。
|
