粉体粗視化モデルの開発と粉体混合の高速計算

粗粒粉体模型开发及粉体混合高速计算

• 批准号: 22KJ2627
• 负责人: 岸田 尚樹
• 金额: $ 1.6万
• 依托单位: Osaka Metropolitan University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2023
• 资助国家: 日本
• 起止时间: 2023-03-08 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ2627/
• 关键词: 粉体シミュレーション; 離散要素法（DEM）; 機械学習; 高速計算; 粉体混合

粉体混合は，あらゆる産業分野の根幹を支える重要な粉体単位操作である．粉体の混合度（均一性を表す指標）は，これを加工して得られる最終製品の品質に大きく影響を及ぼすため，混合度を予測する手法が求められている．混合度の予測には，離散要素法（DEM）を用いた数値シミュレーションが広く用いられている．DEMは粉体を構成する個々の粒子について運動方程式を解くことで，粉体全体の非定常運動を求める手法である．この計算は極めて小さいタイムステップ（数マイクロオーダー）毎に行われ，粉体混合の全過程（数百秒オーダー）を計算するためには，膨大な数の時間発展計算を繰り返す必要がある．そこで本年度の研究では，DEMで計算した粒子運動データで学習し，これを用いて，極めて大きなタイムステップで粒子の運動を高速計算できる手法Recurrent Neural Network with Stochastically calculated Random motion (RNNSR)を開発した．RNNSRでは粒子運動挙動を平均成分とランダム成分を分割し，それぞれ機械学習モデル(RNN)とランダムモデル(SR)で予測した．そして提案したRNNSRを転動型ドラム混合機に適用し，混合挙動，粒子速度および計算速度の観点から妥当性を検証した．その結果，RNNSRによって混合挙動，粒子速度が精度よく予測できることを確認した．また計算速度をDEMと比較した場合，RNNSRによって高速で運動挙動の予測が可能であることが示された．本検討における成果は国内外の4件の学会で発表し，2件の受賞に至った．また本研究における成果は論文への投稿を進めている．

Powder mixing, industrial division, root and branch, important powder unit operation. The mixing degree of powder (homogeneity index) is the main influence on the quality of final product. For the prediction of mixing degree, DEM is used to solve the equation of motion of particles in powder composition. The calculation of the total process of powder mixing (hundreds of seconds) is necessary for the calculation of the expansion of the number of times. This year's research is aimed at calculating particle motion, learning, and using DEM to calculate particle motion at high speed. Recurrent Neural Network with Stochastically Calculated Random Motion (RNNSR) is developed.RNNSR divides particle motion into average components, and mechanical learning (RNN) and prediction. RNNSR is a dynamic hybrid machine, suitable for hybrid motion, particle velocity and computational velocity. The results show that RNSR is mixed with particle velocity, and particle velocity is predicted accurately. When calculating DEM speed, RNSR can predict high speed motion. The achievements of this research are 4 pieces of academic achievements at home and abroad, 2 pieces of awards. The results of this research are published in the journal.

项目成果

High speed powder mixing simulation using machine learning model

使用机器学习模型进行高速粉末混合模拟

• 发表时间: 2022
• 作者: Naoki Kishida;Hideya Nakamura;Shuji Ohsaki;Satoru Watano
• 通讯作者: Satoru Watano

機械学習を用いた粉体混合シミュレーションの高速化

使用机器学习加速粉末混合模拟

• 发表时间: 2022
• 作者: 岸田 尚樹，仲村 英也，大崎 修司，綿野 哲;岸田 尚樹，仲村 英也，大崎 修司，綿野 哲
• 通讯作者: 岸田 尚樹，仲村 英也，大崎 修司，綿野 哲