• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2023 年度 実績報告書

固体燃料内の拡散と均一反応を考慮した構造変化を伴う大規模ガス化シミュレーショ ン

研究課題

研究課題/領域番号 21K03911
研究機関東北大学

研究代表者

青木 秀之  東北大学, 工学研究科, 教授 (40241533)

研究分担者 松川 嘉也  東北大学, 工学研究科, 助教 (30882477)
松下 洋介  弘前大学, 理工学研究科, 教授 (80431534) [辞退]
研究期間 (年度) 2021-04-01 – 2024-03-31
キーワードDAEM / Neural network / 詳細化学反応機構 / CFD
研究実績の概要

本研究では,cmオーダの大きさを有する実際の固体燃料を対象に,数十μmオーダの解像度,数~数十億ボクセルでその構造を再現し,構造に由来した気孔内のガスの拡散および水性ガスシフト反応を正確に記述した上で,固体燃料のガス化反応の大規模シミュレーションを実施する.
最終年度である本年度はさらなるシミュレーションの高度化,高精度化を目指し,(1)気固反応の反応速度定数を高精度に算出するための機械学習手法および(2)気相反応を高精度かつ低計算コストでモデル化するための機械学習手法を提案した.
(1)気固反応の有力な反応モデルであるDistributed activation energy model (DAEM)は,複雑な混合物である固体燃料を精度よく表現できる反応モデルとして考えられている.とりわけ,昨今利用が期待されているバイオマス燃料は,従来用いられてきた石炭より多成分の混合物であることが多く,DAEMへの期待は高い.DAEMの反応速度パラメータを求めることは複雑な逆問題であり,従来は様々な仮定をしたものが多かった.提案したパラメータ算出手法はモデルに仮定を置く必要が無いため,より妥当な反応速度パラメータを求めることができる.
(2)気相反応の反応モデルとして詳細化学反応機構は高精度かつ広囲な条件に適用可能なモデルとして知られる.一方で詳細化学反応機構の計算コストは非常に大きく,数~数十億ボクセルからなるCFDシミュレーションにおいて,直接,詳細化学反応機構を考慮することは現実的ではない.提案した手法は詳細化学反応機構の精度を維持しつつ,計算コストを限りなく最小化できる手法であり,詳細化学反応機構の精度のCFDシミュレーションを現実的なものとした.

  • 研究成果

    (2件)

すべて 2024

すべて 雑誌論文 (2件) (うち査読あり 2件、 オープンアクセス 1件)

  • [雑誌論文] New criteria to select reasonable hyperparameters for kinetic parameter estimation in distributed activation energy model (DAEM) by using neural network2024

    • 著者名/発表者名
      Shinji Wakimoto, Yoshiya Matsukawa, Hideyuki Aoki
    • 雑誌名

      Chemical Engineering Science

      巻: 285 ページ: 119597

    • DOI

      10.1016/j.ces.2023.119597

    • 査読あり
  • [雑誌論文] Modeling of Water Gas Shift Reaction Using Neural Network Trained on Detailed Kinetic Mechanisms2024

    • 著者名/発表者名
      Kohei Yamaguchi, Yoshiya Matsukawa, Yui Numazawa, Hideyuki Aoki
    • 雑誌名

      Chemical Engineering Journal

      巻: in press ページ: 151659

    • DOI

      10.1016/j.cej.2024.151659

    • 査読あり / オープンアクセス

URL: 

公開日: 2024-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi