電磁流体制御解析へ向けた深層学習によるシミュレーション手法の開発

カテゴリ: 研究会(論文単位)

論文No: FTE23028

グループ名: 【B】電力・エネルギー部門 新エネルギ－・環境研究会

発行日: 2023/09/18

タイトル(英語): Development of a Simulation Method Using Deep-learning for MHD Flow Control Analysis

著者名: 松本 正晴(福島大学),藤野 貴康(筑波大学)

著者名(英語): Masaharu Matsumoto(Fukushima University),Takayasu Fujino(University of Tsukuba)

キーワード: 電磁流体解析|ＭＨＤ相互作用|物理情報ニューラルネットワーク|数値流体力学|Magnetohydrodynamic simulation|MHD interaction|Physics informed neural networks (PINNs)|Computational fluid dynamics (CFD)

要約(日本語): 惑星大気に突入する宇宙機で電磁流体力学的相互作用を能動的に用いて熱防御を行うMHD Flow Controlが提案されている。その解析には主に電磁流体解析が用いられるが，各種運転・気流条件のパラメータサーベイに多大な計算コストがかかることが問題になっている。そこで本研究では、深層学習技術を用いたパラメータサーベイ手法を提案・開発し、従来手法との比較を通じて、本手法の有効性の検討を行った。

要約(英語): Magnetohydrodynamic (MHD) flow control has been examined, which actively uses MHD interactions for thermal protection in spacecraft entering planetary atmospheres. MHD simulations are mainly used for the analysis, but the parameter survey for various working conditions is expensive computationally. In this study, we develop a parameter survey method using deep-learning technique and investigate its effectiveness by comparing the results of a conventional method.

本誌: 2023年9月21日-2023年9月22日新エネルギ－・環境研究会

本誌掲載ページ: 69-74 p

原稿種別: 日本語

PDFファイルサイズ: 2,577 Kバイト