Simultaneous estimation of heterogeneous scalar sources and searching for contact-avoidance routes: algorithm construction and its validation

同时估计异质标量源并搜索避免接触的路线：算法构建及其验证

• 批准号: 21K03871
• 负责人: 亀谷 幸憲
• 金额: $ 2.75万
• 依托单位: Meiji University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K03871/
• 关键词: スカラー源推定; 乱流; 対流輸送; 経路最適化; 流体力学; 数値シミュレーション; 計測; 最適化

流れの中に存在する異種スカラーの発生源推定及びその接触回避経路探索アルゴリズムの構築と実証のため，昨年度構築した乱流輸送される各スカラーの発生源について局所センサ情報から随伴最適化に基づき推定するアルゴリズムを壁に囲まれた3次元流れ場に適用した検証を行い、予測分布を用いた多目的経路最適化アルゴリズムを構築した．【スカラー源推定について】異なる2種のスカラーがそれぞれひとつずつ存在する慶應想定し，センサー数及び配置を変えながら数値解析を用いて検証した．この際，本来計測で与える濃度・速度場情報は直接数値シミュレーションで代用した．その結果，アルゴリズムの３次元流れ場での有効性が確認できた．また，実験実証のため、熱源及び二酸化炭素をスカラーとした風洞装置の制作した．現時点では発生量の制御が不完全であるため，実証実験のためには改善が必要である．【経路最適化について】2種スカラーを想定し，それぞれ主スカラーと副スカラーとする．副スカラーへの接触をできるだけ回避しながら主スカラー源へと早期に到達する強化学習を利用した多目的経路探索アルゴリズムを構築した．この際，本来推定で得られるスカラー場情報を直接数値シミュレーションで代用した．主スカラー源への近さを正の報酬，副スカラーの接触を負の報酬として強化学習アルゴリズムを構築した．昨年度構築した，局所温度勾配及び濃度勾配を用いて，陽的に逐次隣接する行き先を決定するアルゴリズムと比較して高い探索成功率を達成し，また探索した経路について早さ，副スカラー接触量ともに効果的であることが確認された．

Flow れ の に exist す る heterogeneous ス カ ラ ー の 発 students presumption and び そ の contact to avoid 経 road explore ア ル ゴ リ ズ ム の build と card be の た め, Yesterday annual construct し た turbulence transport さ れ る each ス カ ラ ー の 発 students に つ い て bureau セ ン サ intelligence か ら over with optimization に base づ き presumption す る ア ル ゴ リ ズ ム を wall に 囲 ま れ た れ three dimensional flow field に applicable し た 検 line card を を use い い, be distribution た multi purpose 経 path optimization ア ル ゴ リ ズ ム を build し た. 【 ス カ ラ ー source presumption に つ い て 】 different な る two の ス カ ラ ー が そ れ ぞ れ ひ と つ ず つ exist す る keio し scenarios, セ ン サ ー and び configuration を - え な が ら the numerical analytical を with い て 検 card し た. At that time, the original measurement of で and える concentration and velocity field information シ direct values シ シ ュレ ショ ショ で で is replaced by た た. The そ そ result indicates that the ア ア ゴリズム ゴリズム そ the validity of the 3d flow れ field で is が confirmed to be で が た た. Youdaoplaceholder0, practical experience and verification of ため, heat source and び carbon dioxide をスカラ と と た た wind tunnel device た fabrication た. At present, the occurrence amount of で が is not completely であるため due to the control of が, and the actual evidence shows that ために ために improvement が is necessary である. 【 経 path optimization に つ い て 】 two ス カ ラ ー を し scenarios, そ れ ぞ れ main ス カ ラ ー と vice ス カ ラ ー と す る. Deputy ス カ ラ ー へ の contact を で き る だ け avoid し な が ら main ス カ ラ ー source へ と arrive early に す る reinforcement learning を using し た multi purpose 経 road explore ア ル ゴ リ ズ ム を build し た. <s:1> At that time, it was originally presumed that で obtained られるスカラ で field intelligence を direct numerical value シ ュレ ショ ショ で で was used in place of た た. Main ス カ ラ ー source へ の nearly さ を is の rewards, deputy ス カ ラ ー の contact を negative の remuneration と し て reinforcement learning ア ル ゴ リ ズ ム を build し た. Last year to construct し た bureau temperature distribution and hooks with を い び concentration て, Yang に successive 隣 receive す る line き を decided to first す る ア ル ゴ リ ズ ム と compare し て high い exploration success rate reach し を, ま た explore し た 経 road に つ い て さ early, deputy ス カ ラ ー exposure と も に unseen fruit で あ る こ と が confirm さ れ た.