AI aided turbulent combustion modeling based on advanced laser diagnostics and direct numerical simulation data science

基于先进激光诊断和直接数值模拟数据科学的人工智能辅助湍流燃烧建模

• 批准号: 20H00224
• 负责人: 店橋 護
• 金额: $ 29.04万
• 依托单位: Tokyo Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (A)
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20H00224/
• 关键词: 乱流燃焼; レーザ計測; 直接数値計算; AI支援モデリング; データサイエンス

本研究では，乱流燃焼のLarge Eddy Simulation(LES)のための物理数学モデルとして乱流燃焼モデルと火炎・壁面干渉熱伝達モデルを構築し，それらのモデルパラメータ同定において大規模直接数値計算(DNS)及び先端レーザ計測データを基盤とする深層学習等のAI技術を導入することで高精度AI支援モデルを構築する．令和４年度は，自動車用エンジンのような平均圧力が時々刻々変化する燃焼場における開発したAI支援乱流燃焼モデルの精度検証と改良に重点をおいて研究を行った．ここでは，研究代表者らは有する容容器内乱流燃焼のDNSデータを用いて，開発したAI支援乱流燃焼モデル(AI支援FDSGSモデル)の有効性を検証した．その結果，LESの枠組みの中で与えることのできる適切な入力物理量を選定することで，平均圧力が時々刻々変化する燃焼場にもAI支援FDSGSモデルを適用可能であることを明らかにした．また，現有の乱流燃焼のLESコードにAI支援FDSGSモデルを実装し，実際のLESをDNSと同条件で実施する動的テストを行うことで，モデルの有効性を明らかにした．具体的には乱流噴流予混合火炎を対象としたAI実装LESを実現し，DNSデータ，AI実装前のFDSGSモデル及び既存SGS燃焼モデルとの比較から，開発したAI支援乱流燃焼モデルが十分な精度で乱流燃焼場を予測可能であることを明らかにした．加えて，本研究では乱流火炎と壁面の干渉時を表現する熱伝達モデルとして乱流火炎・壁面干渉にけるAI熱流束予測モデルの構築に行った．前年度までに層流条件に対して開発したAI熱流束予測モデルを直接乱流条件に適用した場合でも概ね壁面熱流束を予測可能であることが明らかとなったが，LESの枠組みの中で入力物理量を選択し直すことで，さらに高精度に壁面熱流束を予測可能であることを明らかにした．

In this study, we construct a turbulent combustion model and a flame/wall interference heat transfer model as physics mathematical models for large eddy simulation (LES) for turbulent combustion, and a high-precision AI support model is constructed by introducing AI technologies such as large-scale direct numerical calculation (DNS) and deep learning based on advanced laser measurement data in the model parameters.在2022年，研究重点是验证和改善在燃烧场中开发的AI辅助湍流燃烧模型，在燃烧场中，平均压力不时发生变化，例如在汽车发动机中。在这里，研究人员使用了有关容器中湍流燃烧的DNS数据，以验证他们开发的AI支持的湍流燃烧模型（AI支持的FDSGS模型）的有效性。结果，可以揭示通过选择可以在LES框架内应用的适当输入物理量，可以将AI支持的FDSGS模型应用于燃烧场，在燃烧场中，平均压力不时变化。此外，通过在当前的LES代码中实现AI辅助FDSGS模型来阐明模型的有效性，以进行湍流燃烧和执行动态测试，在该测试中，在与DNS相同的条件下执行实际LES。具体而言，我们已经意识到了AI安装的LES靶向湍流喷气式预混合火焰，并且通过比较DNS数据，在AI实施之前和现有SGS燃烧模型之前比较DNS数据，FDSGS模型，可以揭示开发的AI辅助湍流燃烧模型可以预测湍流燃烧场和足够的准确性。此外，在这项研究中，我们为湍流火焰和壁干扰构建了一个AI热通量预测模型，作为一种传热模型，该模型表达了湍流火焰和壁表面之间的干扰。据透露，即使为前一年的层流条件开发的AI热通量预测模型也可以预测，直到上一年直接应用于湍流条件，但是通过在LES框架内重新选择输入物理量，它已经显示出壁热通量可以通过更高的准确度预测到壁热通量。

项目成果

局所コルモゴロフスケールAI予測に基づいたSGS燃焼モデルの開発

基于局部柯尔莫哥洛夫尺度AI预测的SGS燃烧模型开发

• 发表时间: 2022
• 作者: 南 啓伸;源 勇気;志村 祐康;店橋 護
• 通讯作者: 店橋 護

Effect of Steam Dilution on the Structure and Stabilization of Lifted Flames of Hydrogen

蒸汽稀释对氢气升焰结构和稳定性的影响

• 发表时间: 2022
• 期刊: 日本燃焼学会誌
• 作者: Defne KIRAN;Yuki MINAMOTO;Masayasu SHIMURA;Mamoru TANAHASHI
• 通讯作者: Mamoru TANAHASHI

DNS and Advanced Laser Diagnostics of Steam-Diluted Hydrogen-Oxygen Combustion for Future Electric Power Generation

用于未来发电的蒸汽稀释氢氧燃烧的 DNS 和高级激光诊断

• 发表时间: 2021
• 作者: 川島 桜也，笠原 慧，平原 聖文，齋藤 義文，横田 勝一郎，杉田 精司;佐藤遼，松隈啓，高偉;M. Tanahashi
• 通讯作者: M. Tanahashi

Effect of Turbulence Intensity on Flame-wall Interactions of Turbulent Premixed Flame in an Enclosed Rectangular Domain

封闭矩形域内湍流预混火焰湍流强度对火焰壁相互作用的影响

• 发表时间: 2022
• 期刊: The 32nd International Symposium on Transport Phenomena
• 作者: Ye Wang ; Yuki Minamoto ; Masayasu Shimura ; Mamoru Tanahashi
• 通讯作者: Mamoru Tanahashi

DNS and SGS Modeling of Turbulent Combustion for Future IC Engines and Gas Turbines

未来内燃机和燃气轮机湍流燃烧的 DNS 和 SGS 建模

• 发表时间: 2022
• 作者: Hung-Ching Lin;Murilo Marques Marinho;Munetoshi Hinata;Kunihiko Kaneko;Tetsuo Ushiku;Juli Yamashita;Kiyoyuki Chinzei;Mamoru Mitsuishi;Kankako Harada;Mamoru Tanahashi
• 通讯作者: Mamoru Tanahashi