JP2004288097A - 流体のシミュレーション方法、最適係数推算装置、および、流体のシミュレーションシステム - Google Patents
流体のシミュレーション方法、最適係数推算装置、および、流体のシミュレーションシステム Download PDFInfo
- Publication number
- JP2004288097A JP2004288097A JP2003082112A JP2003082112A JP2004288097A JP 2004288097 A JP2004288097 A JP 2004288097A JP 2003082112 A JP2003082112 A JP 2003082112A JP 2003082112 A JP2003082112 A JP 2003082112A JP 2004288097 A JP2004288097 A JP 2004288097A
- Authority
- JP
- Japan
- Prior art keywords
- coefficient
- simulation
- correlation equation
- statistical model
- fluid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 138
- 239000012530 fluid Substances 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013179 statistical model Methods 0.000 claims abstract description 69
- 238000002474 experimental method Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 42
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 12
- 239000000523 sample Substances 0.000 description 8
- 238000007796 conventional method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 239000012071 phase Substances 0.000 description 6
- 229910001220 stainless steel Inorganic materials 0.000 description 6
- 239000010935 stainless steel Substances 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000007791 liquid phase Substances 0.000 description 2
- BZHJMEDXRYGGRV-UHFFFAOYSA-N Vinyl chloride Chemical compound ClC=C BZHJMEDXRYGGRV-UHFFFAOYSA-N 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000005984 hydrogenation reaction Methods 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
Images
Landscapes
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】流体のシミュレーションに用いる相関式の最適係数を迅速に決定する。
【解決手段】流体のシミュレーション方法は、相関式の係数と物理量との間で成立する統計モデルに、実験により得られた物理量の実験値を適用して、相関式の最適係数を決定する最適係数決定ステップ(S1〜S3)と、決定した最適係数を適用した前記相関式を用いてシミュレーションを行なうシミュレーションステップ(S4)とを含む。これにより、精度の高い流体のシミュレーションが可能となる。
【選択図】 図1
【解決手段】流体のシミュレーション方法は、相関式の係数と物理量との間で成立する統計モデルに、実験により得られた物理量の実験値を適用して、相関式の最適係数を決定する最適係数決定ステップ(S1〜S3)と、決定した最適係数を適用した前記相関式を用いてシミュレーションを行なうシミュレーションステップ(S4)とを含む。これにより、精度の高い流体のシミュレーションが可能となる。
【選択図】 図1
Description
【0001】
【発明の属する技術分野】
本発明は、流体のシミュレーション方法、最適係数推算装置、および、流体のシミュレーションシステムに関するものである。
【0002】
【従来の技術】
近年、数値流体力学(CFD:computational fluid dynamics)の研究が幅広く行なわれている。数値流体力学とは、実在の流れを数式で表し、この数式を基にコンピュータ等の計算機を用いてシミュレーションを行ない、流れの状態(例えば、流れの速度や圧力)を予測する学問である。この数値流体力学は、気象学、航空学、機械工学、化学工学等の様々な分野に利用されている。以下、上記数値流体力学を用いて流れの状態を計算する際の一般的な手法について、図12から図14に基づいて説明する。
【0003】
まず、計算対象となる系についての、境界条件、初期条件、および、計算条件を設定する。ここで、境界条件とは、例えば、系における壁、入口、出口の空間的な条件を指す。また、初期条件とは、計算を開始する際における流体の初期状態を示す条件である。さらに、計算条件とは、シミュレーションを行なう際の計算の仕方を示す条件であり、具体的には、系を、どの程度の大きさの格子に分割してシミュレーション計算をするかといった条件や、どの程度の時間幅で計算を行なうかといった条件等が該当する。
【0004】
そして、図12に示すとおり、上記境界条件、初期条件、および計算条件を基に、基礎式と相関式とからなる関係式を解くことになる。この計算の結果、流れの速度や圧力といった物理量の計算値(以下、計算値と称する。)が得られる。ここで、基礎式とは、各種保存則(質量保存則、運動量保存則、エネルギー保存則)の式で構成される。また、相関式は、系に応じて適宜選択して用いられ、例えば、乱流モデル、化学反応モデル、混相流モデル等に基づく相関式が挙げられる。相関式は、理論や実験から得られるものである。
【0005】
ここで、基礎式だけではなく、上記のように相関式をも用いて計算を行なう理由は以下による。まず、第1の理由としては、系で発生している乱流や混相流といった流れは、基礎式だけでは取り扱いが困難なためである。また、第2の理由としては、流れを平均化して計算を行なった際には、平均化によって情報が失われることがあり、基礎式のみでは式が閉じず上記計算値が得られないという問題が生じるためである。このような場合に、上記相関式を用いることにより、計算値を得ることが可能となる。以上の理由から、数値流体力学では、基礎式と相関式とからなる関係式を用いてシミュレーションを行なっている。なお、相関式は、シミュレーションの対象となる系に応じて適宜選択され、最適と考えられるものが用いられる。
【0006】
ところで、上記相関式は、一般に係数を有している。そして、この係数は、実験結果を基にして求める場合が多い。この場合には、図13に示すとおり、上記境界条件、初期条件、計算条件、および相関式の係数を設定し、これらを基に、基礎式と相関式とからなる関係式を解くことになる。
【0007】
ここで、上記相関式の係数を決定する手法について、図14を用いて具体的に説明する。
【0008】
まず、境界条件、初期条件、および計算条件を固定した条件とする。つまり、上記各条件を、それぞれ一定の条件にする。そして、上記相関式の係数を一旦設定してシミュレーションを行ない、上記計算値を得る。次に、この計算値と実際の実験値等を比較する。ここで、もし計算値と実験値とが一致していなければ、上記係数を変更して、再度シミュレーションを行なう。そして、このような処理を繰り返し行ない、最終的に、計算式と実験式とが一致する係数を特定する。ここで、このように計算式と実験式とが一致する係数を、最適係数と称する。
【0009】
一方、特許文献1には、対象となる全試行の遂行が事実上不可能な実験を行なう際に、能動学習を用いて効率的な実験手順を指定することにより、少ない実験回数で目的関数の推定を可能にする実験計画の立案方法が開示されている。
【0010】
【特許文献1】
特開平11−316754号公報(公開日:平成11年11月16日)
【0011】
【発明が解決しようとする課題】
しかしながら、上記シミュレーションにおける計算は非常に複雑なものであるため、一度のシミュレーションでさえ、多くの時間を必要とする。また、係数を数多く含む式を相関式として用いた場合には、最適係数を決定するために適宜係数を変更してシミュレーションを繰返す必要があるため、実験結果と一致する計算値が得られるような係数を特定しようとすると莫大な時間を要することになる。
【0012】
本発明は、上記の課題に鑑みなされたものであって、その目的は、流体のシミュレーションに用いる相関式の最適係数を迅速に決定可能であって、精度の高いシミュレーションが可能となる流体のシミュレーション方法、最適係数推算装置、および、流体のシミュレーションシステムを提供することにある。
【0013】
【課題を解決するための手段】
上記の課題を解決するため、本発明の流体のシミュレーション方法は、流体の流れのモデルが数式化され、係数を含む相関式を用いて、流体の物理量を求める流体のシミュレーション方法において、前記相関式の係数と物理量との間で成立する統計モデルに、実験により得られた物理量の実験値を適用して、前記相関式の最適係数を決定する最適係数決定ステップと、前記決定した最適係数を適用した前記相関式を用いてシミュレーションを行なうシミュレーションステップとを含むことを特徴としている。
【0014】
上記の方法によれば、相関式の最適係数の決定にあたり、前記相関式の係数と物理量との間で成立する統計モデルに、実験により得られた物理量の実験値を適用している。
【0015】
これにより、上記物理量の実験値を適用して得られた係数を、相関式の係数としてシミュレーションを行なうと、結果として、物理量の実験値と同じ結果を有する値が得られる。
【0016】
したがって、この実験結果に対応する係数を基にシミュレーションを行なうことにより、精度の高い流体のシミュレーションが可能になる。
【0017】
また、従来のように、相関式の係数を決定するために、係数を適宜変更してシミュレーションを繰り返し、シミュレーションで得られた物理量の計算値と実際の実験で得られた物理量の実験値とを比較して最適と考えられる係数を決定する方法と比較した場合、本発明では統計モデルを利用して物理量の実験値から係数を逆算して求めているため、係数を決定する際のシミュレーション回数を減らすことが可能となる。したがって、最適係数の決定に要する時間を大幅に短縮することが可能となる。
【0018】
また、本発明の流体のシミュレーション方法は、上記のシミュレーション方法において、前記最適係数決定ステップは、前記相関式の係数を複数組設定し、それら複数組の係数を用いて、それぞれにシミュレーションを行って物理量の計算値を得る計算値取得ステップと、前記複数組の係数と、それぞれに得られた物理量の計算値とから、前記統計モデルを生成する統計モデル生成ステップとを含むことを特徴としている。
【0019】
上記の方法によれば、まず、計算値取得ステップにより、シミュレーション結果である物理量の計算値が、設定した係数組毎に得られる。これにより、それぞれに、係数と物理量の計算値との関係が得られる。
【0020】
したがって、統計モデル生成ステップにより、上記係数と物理量の計算値と関係から、係数と物理量との間で成立する統計モデルを生成できる。
【0021】
また、本発明の流体のシミュレーション方法は、上記のシミュレーション方法において、前記統計モデルが、ニューラルネットワークによって実現されることを特徴としている。
【0022】
上記の方法によれば、統計モデルを容易に生成することが可能となる。
【0023】
本発明の最適係数推算装置は、上記の課題を解決するため、流体の流れのモデルが数式化され、係数を含む相関式の最適係数を決定する最適係数推算装置であって、前記相関式の係数と、この係数を適用した前記相関式を用いてシミュレーションを行なうことにより得られた物理量の計算値とから、前記相関式の係数と物理量との間で成立する統計モデルを生成する統計モデル生成部と、前記統計モデル生成部で生成された統計モデルに、実験により得られた物理量の実験値を適用して、前記相関式の最適係数を決定する最適係数決定部とを備えていることを特徴としている。
【0024】
上記の構成によれば、統計モデル生成部により、前記相関式の係数と、この係数を適用した前記相関式を用いてシミュレーションを行なうことにより得られる物理量の計算値とから、係数と物理量との間で成立する統計モデルが生成される。また、最適係数決定部により、前記相関式の係数と物理量との間で成立する統計モデルに、実験により得られた物理量の実験値が適用される。
【0025】
これにより、上記物理量の実験値を適用して得られた係数を、相関式の係数としてシミュレーションを行なうと、結果として、物理量の実験値と同じ結果を有する値が得られる。
【0026】
したがって、精度の高い流体のシミュレーションを実施できる最適係数を決定可能な最適係数推算装置を提供できる。
【0027】
また、本発明の最適係数推算装置は、上記の最適係数推算装置において、前記統計モデル生成部は、前記相関式の係数と、この係数を適用した相関式を用いてシミュレーションを行なって前記物理量の計算値を取得する計算値取得部を備えていることを特徴としている。
【0028】
上記の構成によれば、計算値取得部により、係数に応じた物理量の計算値を取得することができる。
【0029】
したがって、この計算値を利用することにより統計モデルを構築することが可能となる。
【0030】
本発明の流体のシミュレーションシステムは、上記の課題を解決するために、上記最適係数演算装置と、前記最適係数演算装置において決定された相関式の最適係数を用いて流体のシミュレーションを行なうシミュレーション装置とを備えていることを特徴としている。
【0031】
上記の構成によれば、流体のシミュレーションシステムは、上記最適係数演算装置を備えている。また、上記流体のシミュレーションシステムは、前記最適係数演算装置において決定された相関式の最適係数を用いて流体のシミュレーションを行なうシミュレーション装置を備えている。
【0032】
したがって、相関式の最適係数を迅速に決定でき、かつ、精度の高い流体のシミュレーションが実施可能となる流体のシミュレーションシステムを提供することができる。
【0033】
【発明の実施の形態】
本発明の実施の一形態について図1ないし図11に基づいて説明すれば以下のとおりである。
【0034】
本実施の形態に係る流体のシミュレーションシステム10は、図7に示すとおり、最適係数推算装置11と、シミュレーション装置12とを備えている。また、上記最適係数推算装置11は、さらに、統計モデル生成部13と最適係数決定部14とを備えている。また、統計モデル生成部13は、計算値取得部15と統計モデル構築部16とを備えている。これらの装置や部の詳細については、後述する。
【0035】
図2(a)は、気泡塔の気泡流の状態を実際に測定するための実験装置を示した概略図である。そして、図2(b)は、上記気泡塔のAA’線矢視断面図である。また、図2(c)は、気泡塔内で気泡を発生させるスパージャーを示した説明図である。ここで、気泡塔とは、液相中に気泡が分散する「気泡流」を利用した化学装置であって、酸化、水素化、醗酵、廃水処理等の様々な処理に用いられるものである。
【0036】
この気泡塔1は、直径0.6m、高さ1.6mの塔であり、上部を大気に開放し、底部を半楕円形とした透明塩化ビニール製の容器である。そして、図示しないオイルフリーコンプレッサーで圧縮した空気をクーラー・減圧弁に通した後、4つのラインに分岐させる。また、気泡塔1内には、図2(a)および(b)に示すとおり、一辺が25mmとなる正方形の断面を有するアルミ製パイプ2…を、気泡塔1の鉛直方向に4本設置している。さらに、これら4本のパイプの下端に、気泡を発生させるスパージャー3…を4本取り付けている。また、図2(c)に示すとおり、アルミ製パイプ2…の中にはエアーパイプ4…が通っている。
【0037】
ここで、上記スパージャー3…としては、外径が10mmで、長さが0.32mのステンレス円管に、直径1.5mmの円孔を25mm間隔で12個設けたものを使用している。また、気泡塔1には、水道水を初期高さが1.3mとなるように満たしておき、その後、スパージャー3…から気泡塔1の中央に向けて気相を体積流量9Nm3/hrで供給する。なお、各スパージャー3…には、それぞれに対応するエアーパイプ4…からエアーが送られる。
【0038】
また、実験においては、所定の計測位置における気相体積率を測定するものとする。なお、この気相体積率を測定する方法として、点電極プローブ法を用いることとする。このため、上記気泡塔1には、図2(a)および(b)に示すとおり、ステンレスパイプ5、可動リング6、および、それぞれ先端に点電極を有する4本のプローブ7…を設置している。
【0039】
上記ステンレスパイプ5は、外径が56mmであって、気泡塔1の中央部に鉛直方向に備えられている。また、上記可動リング6は、このステンレスパイプ5の延伸方向に沿って移動可能に取り付けられている。さらに、可動リング6は、ステンレスパイプ5の周方向に回転可能に取り付けられている。
【0040】
さらに、この可動リング6には、上記4本のプローブ7…が、可動リング6の外周に関して互いに90度の間隔で取り付けられている。さらに、プローブ7…は、可動リング6に対する取付端を回転軸として回転可能とし、気泡塔1の鉛直方向に対する取付角度が可変となっている。
【0041】
そして、上記可動リング6の鉛直方向への移動、可動リング6のステンレスパイプ5に対する回転角度の設定、および、プローブ7…の鉛直方向の取付角度の設定によって、気泡塔1内においてプローブ7…を様々な位置に設定することができるようになっている。
【0042】
ここで、上記のような気泡塔1でのシミュレーションに際に、混相流モデルの一つである多流体モデルを用いた。また、流体気液界面に働く力に関する相関式として、以下の数式(1)を用いた。
【0043】
【数1】
【0044】
ここで、添字mが1のときは、気泡が小さな気泡である場合を示し、添字mが2のときは、気泡が大きな気泡である場合を示している。また、aintは界面積濃度、CDは抗力係数、ρは液相の密度、Vdは気泡速度、αdは気泡の体積率、CVMは仮想質量力係数、CLは揚力係数、CTDは乱流分散力係数、kは乱流エネルギーをそれぞれ示している。
【0045】
以下、上記の数式(1)を例として、本発明の特徴となる、相関式における最適係数の決定の手法について、説明する。
【0046】
まず、相関式における各係数の組合せ(係数群)を、複数組設定する。なお、各組の各係数は、適宜設定しておく。具体的には、図3に示すとおり、揚力係数CL1およびCL2、仮想質量力係数CVM、乱流分散力係数CTD、ならびに、抗力係数CD1およびCD2の各係数からなる係数群を16組設定する。なお、設定する組数は、16組に限定されるものではない。
【0047】
そして、上記各係数群において、シミュレーションを実行する。なお、このシミュレーションは、上記シミュレーション装置12(図7参照)により実行できる。この場合にも、従来と同様に、図13に示すとおり、境界条件、初期条件、計算条件のそれぞれを各係数群で共通の設定とし、各係数群で計算結果を得る。この計算結果である計算値(物理量の計算値)の取得は、上記計算値取得部15(図7参照)により行なわれる。
【0048】
以上により、各係数群において、各係数と、これら係数を設定することにより得られた計算結果との対応関係が得られる。つまり、16組の係数を入力しているため、16通りの計算値が出力として得られることになる。
【0049】
ここで、図4に示すとおり、上記計算値を逆に入力として、上記計算値に対応した各係数を出力とする統計モデルを構築する。つまり、計算値を入力すると、上記計算値を取得する基となった各係数が求められるように統計モデルを構築する。この統計モデルの構築にあたっては、例えば、ニューラルネットワークを用いることができる。ここで、上記統計モデルの構築は、上記統計モデル構築部16(図7参照)で行なわれる。
【0050】
次に、図5に示すとおり、実際に実験することにより得られた実験値(物理量の実験値)等の予測したいデータを、統計モデルに入力する。この実験には、図2(a)から(c)に示した実験装置を用いる。これにより、どのような係数を有する係数群とすれば、シミュレーションの計算値を実験値と概ね一致させることができるかが判断可能となる。具体的には、図6に示すとおりの係数群を得る。このように、計算値と実験値とが一致する係数を最適係数と称する。この最適係数を有する係数群は、上記最適係数決定部14(図7参照)で決定される。
【0051】
ここで、上述した最適係数の決定と、この最適係数を用いたシミュレーションに関するフローを、図1のフローチャートを基に説明すると以下のとおりである。
【0052】
まず、上記相関式の係数(係数群)を複数組設定し、これら複数組の係数を用いて、それぞれにシミュレーションを行って計算値を得る(S1)。なお、このステップを計算値取得ステップと称する。ステップS1の後は、上記複数組の係数と、それぞれに得られた計算値とから、係数と物理量との間で成立する統計モデルを生成する(S2)。このステップを統計モデル生成ステップと称する。S2の後は、上記統計モデルに、実験により得られた実験値を適用することにより、最適係数を推算する(S3)。
【0053】
また、上記S1からS3に示したように、相関式の係数と、物理量との間で成立する統計モデルに、実験により得られた物理量の実験値を適用することにより、相関式の最適係数を求めるステップを最適係数決定ステップと称する。
【0054】
S3の後は、上記決定した最適係数を用いてシミュレーションを行なう(S4)。このステップをシミュレーションステップと称する。ここで、このシミュレーションは、上記シミュレーション装置12(図7参照)により行なわれる。
【0055】
以上により、S1〜S3のステップで相関式の最適係数を迅速に決定することが可能となるともに、S4のステップで精度の高いシミュレーションが実現可能となる。
【0056】
ここで、上記のように、最適係数を決定して、シミュレーションを行なうシミュレーションシステム(流体のシミュレーションシステム)について、図7を基に説明する。
【0057】
上記シミュレーションシステム10は、図7に示すとおり、最適係数を決定するための最適係数推算装置11と、この最適係数推算装置11で決定された最適係数を用いてシミュレーションを実行するシミュレーション装置12とを備えている。
【0058】
また、上記最適係数推算装置11は、統計モデル生成部13と最適係数決定部14とを備えている。この統計モデル生成部13は、上記相関式の係数(係数群)と、この係数を適用した相関式を用いてシミュレーションを行なうことにより得られる計算値とから、係数と物理量との間で成立する統計モデルを生成する。また、上記最適係数決定部14は、上記統計モデル生成部13で生成された統計モデルに、実験により得られた実験値を適用して、上記相関式の最適係数を決定する。
【0059】
また、上記統計モデル生成部13は、同図に示すとおり、相関式の係数(係数群)を複数組設定し、これら複数組の係数を用いて、それぞれにシミュレーションを行って計算値を得る計算値取得部15と、上記複数組の係数と、それぞれに得られた計算値とから、係数と物理量との間で成立する統計モデルを構築する統計モデル構築部16とを備えている。
【0060】
以上の構成により、シミュレーションシステム10では、最適係数を迅速に決定できるとともに、精度の高いシミュレーションを実現している。
【0061】
ここで、上記最適係数の決定の仕方について、一般的に説明すると、以下のとおりである。
【0062】
まず、相関式におけるα、β、γ、…からなる係数群を複数組設定する。そして、これらの各係数群を用いて、それぞれに、シミュレーションを行ない、a、b、c、…からなる計算値を得る。そして、各係数群と、各係数群に対応する計算値とを基に、ニューラルネットワーク等を用いて統計モデルを生成する。
【0063】
より詳しくは、計算値a,b,c,…をパラメータとし、係数α,β,γ,…を得る統計モデルを生成する。具体的には、α(a,b,c,…)、β(a,b,c,…)、γ(a,b,c,…)…で示される統計モデルを生成する。
【0064】
そして、上記パラメータa,b,cに、実験等で得られた予測したいデータ(実験値)、例えば(a’,b’,c’,…)を入力し、最適係数を求める。つまり、αをα(a’,b’,c’,…)で求められる値とし、βをβ(a’,b’,c’,…)で求められる値とし、γをγ(a’,b’,c’,…)で求められる値とする。
【0065】
次に、上記の手法で求めた図6に示す係数群を用いて、シミュレーションを行ない、実験結果との比較を試みた。
【0066】
まず、上記シミュレーションにおける気泡塔1内の計算位置について、図8に基づいて説明する。なお、図8においては、上記気泡塔1の最下端を原点とし、気泡塔1の鉛直方向をZ軸と平行となるように座標系を定める。また、上記スパージャー3…の両端部(詳しくは、上記アルミ製パイプ2…の中心軸)が、XZ平面、YZ平面上に位置するように座標軸を定める。なお、上記座標系の単位はmmとする。
【0067】
ここで、線分LnAを、y=0、かつ、z=25+100n(0<x<300)で表される線分とする。また、線分LnBを、y=Tan(π/12)・x、かつ、z=25+100n(但し、0<x<300cos(π/12))で表される線分とする。さらに、線分LnCを、y=Tan(π/6)・x、かつ、z=25+100n(但し、0<x<300cos(π/6))で表される線分とする。最後に、線分LnDを、y=Tan(π/4)・x、かつ、z=25+100n(但し、0<x<300cos(π/4))で表される線分とする。なお、nは1から7までの自然数とする。
【0068】
次に、図9(a)から(d)に、それぞれ、線分L3A、線分L4B、線分L5C、および、線分L6D上における気相体積率(%)のシミュレーション結果を実線で示す。また、同時に、実験値についても、黒点で示す。
【0069】
なお、シミュレーション結果の図面においては、Z軸からの距離rを横軸に示している。また、実験の際の測定は、プローブ7…の位置を変えて、それぞれ、線分L3A、線分L4B、線分L5C、線分L6D上であって、Z軸からの距離が、100mm、150mm、200mm、250mmの位置で行なっている。
【0070】
これらシミュレーションの結果(計算値)と、実験値とを比較すると、全ての場合において、計算値と実験値とが、略一致していることがよく分かる。また、図示はしていないが、線分L3A、線分L4B、線分L5C、線分L6Dだけではなく、他の線分においても、同様の結果が得られた。
【0071】
ここで、従来の手法を用いた場合との効果の相違について説明する。
【0072】
上記数式(1)で示される気液界面に働く力に関する相関式は、多くの係数を有している。そのため、従来においては、上述したように、これら係数の値を変更しつつ、実験値に一致するような係数群を決定していた。
【0073】
このため、上記のシミュレーションを行ない、最適と思われる係数群を決定するまでには、80回以上のシミュレーションの実施が必要となっていた。例えば、1回のシミュレーションに要する時間を20時間とすると、合計1600時間を要していた。
【0074】
ところが、本発明を用いた場合には、上述したように、16回のシミュレーションの実施にて、略実験値と一致する最適係数群が得られている。つまり、320時間しか要していない。このように、係数の決定に際して行なうシミュレーション時間を大幅に短縮することが可能となる。
【0075】
また、従来の手法では、例え最適と思われる係数を決定したとしても、本発明の手法に比べ、精度の高いシミュレーションを行なうための係数は得ることは難しい。これは、従来の手法では、最適と思われる係数を逐次設定してシミュレーションを行ない、結果を参照しつつ、何度もシミュレーションを繰返す手法であるため、実験値と一致するような係数群を決定することは困難であるからである。仮に、本発明で得られるような、精度の高いシミュレーションを行なうための係数を得ようとすると、さらに、シミュレーション回数を増やす必要が生じてしまう。
【0076】
ここで、比較例として、従来の手法を用いて係数を決定する際の、シミュレーション結果例について説明する。
【0077】
なお、上記シミュレーションで用いた各係数群における、揚力係数CL1およびCL2、仮想質量力係数CVM、乱流分散力係数CTD、抗力係数CD1およびCD2の値は、図10に示すとおりである。また、説明の便宜上、図10の一番上の係数群から順に、第1の係数群、第2の係数群、第3の係数群、第4の係数群、第5の係数群と称する。
【0078】
ここで、図11(a)から(d)に、線分L3A、線分L4B、線分L5C、および、線分L6D上における気相体積率(%)のシミュレーション結果を示す。また、同時に、実験値についても、黒点で示す。
【0079】
これらの結果から、第2の係数群を用いた場合が、比較的、実験結果と一致していることが分かる。したがって、上記の係数群のうちでは、(CL1、CL2)=(0.288、−0.2784)とすることが好ましい。しかしながら、実験値とは一致しているとは言いがたい。
【0080】
したがって、精度の高いシミュレーションを実行すべく最適係数を得るためには、揚力係数を再度変更してシミュレーションを繰返すか、あるいは、仮想質量力係数CVM、乱流分散力係数CTD、並びに、抗力係数CD1およびCD2の値についても、それぞれに変更して、更にシミュレーションを順次行なっていく必要がある。具体的には、図6で示される係数と略同一な係数を得るまで繰返してシミュレーションを行なう必要がある。このように、従来の手法では、最適係数を決定するのに時間を要する。
【0081】
一方、本発明の手法を用いれば、図9にも示したとおり、容易に最適係数を決定することができる。したがって、従来の手法と比較した場合、最適係数の決定に際して、大幅な時間の短縮を図ることが可能となる。
【0082】
なお、本実施の形態においては、統計モデルを決定するために、ニューラルネットワークという手法を用いたが、必ずしもこれに限定されるものではない。出力値である計算値と、入力値である係数との間に1対1の関係が成り立ち、少なくとも、計算値から係数が決定できるような統計モデルを構築できる手法であればよい。たとえば、ニューラルネットワークの代わりに、回帰関係を求めるための統計的手法である回帰分析の手法を用いてもよい。
【0083】
また、上記実施の形態では、本発明の適用例として気泡塔1を例に挙げて説明したが、これに限定されるものではない。相関式を用いて流れを解析する数値流体力学の分野全般に適用可能である。
【0084】
また、本発明を以下の用途に利用することも可能である。
【0085】
シミュレーションを行なう際には、上述したように、予め最適と考えられる相関式を選択した。しかしながら、選択した相関式が、必ずしも最適な式であるとは限らない。そこで、最適な式であるか否かの判断の手法として、本発明を利用することもできる。
【0086】
つまり、選択した相関式を基にして、本発明に係る手法を用いて係数を求めた際に、得られた係数が、経験等から得られる係数の想定範囲内にある場合には、相関式の選択が正しいと判断できる。一方、上記想定範囲から大幅に外れた値であった場合には、相関式の選択が正しくない可能性が高いと判断できる。
【0087】
このように、統計モデルを利用して得られた係数自体を考慮することにより、選択した相関式の適否も判断可能である。
【0088】
【発明の効果】
以上のように、本発明の流体のシミュレーション方法は、前記相関式の係数と物理量との間で成立する統計モデルに、実験により得られた物理量の実験値を適用して、前記相関式の最適係数を決定する最適係数決定ステップと、前記決定した最適係数を適用した前記相関式を用いてシミュレーションを行なうシミュレーションステップとを含む方法である。
【0089】
それゆえ、この実験結果に対応する係数を基にシミュレーションを行なうことにより、精度の高い流体のシミュレーションが可能になるという効果を奏する。
【0090】
また、相関式の最適係数を決定する際のシミュレーション回数を減らすことが可能となり、最適係数の決定に要する時間を大幅に短縮することが可能となる。
【0091】
さらに、本発明の流体のシミュレーション方法は、前記最適係数決定ステップは、前記相関式の係数を複数組設定し、それら複数組の係数を用いて、それぞれにシミュレーションを行って物理量の計算値を得る計算値取得ステップと、前記複数組の係数と、それぞれに得られた物理量の計算値とから、前記統計モデルを生成する統計モデル生成ステップとを含む方法である。
【0092】
それゆえ、上記係数と物理量の計算値と関係から、係数と物理量との間で成立する統計モデルを生成できるという効果を奏する。
【0093】
さらに、本発明の流体のシミュレーション方法は、前記統計モデルが、ニューラルネットワークによって実現される方法である。
【0094】
それゆえ、統計モデルを容易に生成することが可能となるという効果を奏する。
【0095】
また、本発明の最適係数推算装置は、流体の流れのモデルが数式化され、係数を含む相関式の最適係数を決定する最適係数推算装置であって、前記相関式の係数と、この係数を適用した前記相関式を用いてシミュレーションを行なうことにより得られた物理量の計算値とから、前記相関式の係数と物理量との間で成立する統計モデルを生成する統計モデル生成部と、前記統計モデル生成部で生成された統計モデルに、実験により得られた物理量の実験値を適用して、前記相関式の最適係数を決定する最適係数決定部とを備えている構成である。
【0096】
それゆえ、精度の高い流体のシミュレーションを実施できる最適係数を決定可能な最適係数推算装置を提供できるという効果を奏する。
【0097】
さらに、本発明の最適係数推算装置は、前記統計モデル生成部が、前記相関式の係数と、この係数を適用した相関式を用いてシミュレーションを行なって前記物理量の計算値を取得する計算値取得部を備えている構成である。
【0098】
それゆえ、この計算値を利用することにより統計モデルを構築することが可能となるという効果を奏する。
【0099】
また、本発明の流体のシミュレーションシステムは、上記最適係数演算装置と、前記最適係数演算装置において決定された相関式の最適係数を用いて流体のシミュレーションを行なうシミュレーション装置とを備えている構成である。
【0100】
それゆえ、相関式の最適係数を迅速に決定でき、かつ、精度の高い流体のシミュレーションが実施可能となる流体のシミュレーションシステムを提供することができるという効果を奏する。
【図面の簡単な説明】
【図1】本発明の実施の形態に係る流体のシミュレーションのフローを示したフローチャートである。
【図2】(a)は、本発明の実施の形態に係る実験装置の概略を示した断面図である。(b)は、(a)のAA’線矢視断面図である。(c)は、上記実験装置の要部を示した拡大図である。
【図3】上記流体のシミュレーションに用いる相関式の係数を決定するために用いられる係数群の一例を示した説明図である。
【図4】本発明の実施の形態に係る統計モデルを説明するための説明図である。
【図5】上記統計モデルを用いて最適係数を求める際の説明図である。
【図6】上記最適係数の一例を示した説明図である。
【図7】本実施の形態に係る流体のシミュレーションシステムの構成を示した機能ブロック図である。
【図8】上記流体のシミュレーション装置でシミュレートする気泡塔内におけるシミュレーション計算位置を示した説明図である。
【図9】本発明に係る最適係数決定手法を用いた際におけるシミュレーション結果と、所定位置における実験値とを示したグラフである。(a)は、ある線分上でのシミュレーション結果と、実験値とを示したグラフである。(b)は、他の線分上でのシミュレーション結果と、実験値とを示したグラフである。(c)は、さらに他の線分上でのシミュレーション結果と、実験値とを示したグラフである。(d)は、さらに他の線分上でのシミュレーション結果と、実験値とを示したグラフである。
【図10】従来における最適係数の決定手法を説明すための係数群を示した説明図である。
【図11】上記従来の最適係数の決定手法を用いて最適係数を求める過程におけるシミュレーション結果と、所定位置における実験値とを示したグラフである。(a)は、ある線分上でのシミュレーション結果と、所定位置での実験値とを示したグラフである。(b)は、他の線分上でのシミュレーション結果と、実験値とを示したグラフである。(c)は、さらに他の線分上でのシミュレーション結果と、実験値とを示したグラフである。(d)は、さらに他の線分上でのシミュレーション結果と、実験値とを示したグラフである。
【図12】基礎式と相関式とを用いて流体の流れをシミュレーションし、シミュレーション結果としての計算値を得る過程を説明した説明図である。
【図13】上記相関式の係数を変更して、上記シミュレーションを行ない、計算値を得る過程を示した説明図である。
【図14】上記相関式の最適係数を決定するための過程の一部を示した説明図である。
【符号の説明】
1 気泡塔
3 スパージャー
7 プローブ
10 シミュレーションシステム(流体のシミュレーションシステム)
11 最適係数推算装置
12 シミュレーション装置
13 統計モデル生成部
14 最適係数決定部
15 計算値取得部
【発明の属する技術分野】
本発明は、流体のシミュレーション方法、最適係数推算装置、および、流体のシミュレーションシステムに関するものである。
【0002】
【従来の技術】
近年、数値流体力学(CFD:computational fluid dynamics)の研究が幅広く行なわれている。数値流体力学とは、実在の流れを数式で表し、この数式を基にコンピュータ等の計算機を用いてシミュレーションを行ない、流れの状態(例えば、流れの速度や圧力)を予測する学問である。この数値流体力学は、気象学、航空学、機械工学、化学工学等の様々な分野に利用されている。以下、上記数値流体力学を用いて流れの状態を計算する際の一般的な手法について、図12から図14に基づいて説明する。
【0003】
まず、計算対象となる系についての、境界条件、初期条件、および、計算条件を設定する。ここで、境界条件とは、例えば、系における壁、入口、出口の空間的な条件を指す。また、初期条件とは、計算を開始する際における流体の初期状態を示す条件である。さらに、計算条件とは、シミュレーションを行なう際の計算の仕方を示す条件であり、具体的には、系を、どの程度の大きさの格子に分割してシミュレーション計算をするかといった条件や、どの程度の時間幅で計算を行なうかといった条件等が該当する。
【0004】
そして、図12に示すとおり、上記境界条件、初期条件、および計算条件を基に、基礎式と相関式とからなる関係式を解くことになる。この計算の結果、流れの速度や圧力といった物理量の計算値(以下、計算値と称する。)が得られる。ここで、基礎式とは、各種保存則(質量保存則、運動量保存則、エネルギー保存則)の式で構成される。また、相関式は、系に応じて適宜選択して用いられ、例えば、乱流モデル、化学反応モデル、混相流モデル等に基づく相関式が挙げられる。相関式は、理論や実験から得られるものである。
【0005】
ここで、基礎式だけではなく、上記のように相関式をも用いて計算を行なう理由は以下による。まず、第1の理由としては、系で発生している乱流や混相流といった流れは、基礎式だけでは取り扱いが困難なためである。また、第2の理由としては、流れを平均化して計算を行なった際には、平均化によって情報が失われることがあり、基礎式のみでは式が閉じず上記計算値が得られないという問題が生じるためである。このような場合に、上記相関式を用いることにより、計算値を得ることが可能となる。以上の理由から、数値流体力学では、基礎式と相関式とからなる関係式を用いてシミュレーションを行なっている。なお、相関式は、シミュレーションの対象となる系に応じて適宜選択され、最適と考えられるものが用いられる。
【0006】
ところで、上記相関式は、一般に係数を有している。そして、この係数は、実験結果を基にして求める場合が多い。この場合には、図13に示すとおり、上記境界条件、初期条件、計算条件、および相関式の係数を設定し、これらを基に、基礎式と相関式とからなる関係式を解くことになる。
【0007】
ここで、上記相関式の係数を決定する手法について、図14を用いて具体的に説明する。
【0008】
まず、境界条件、初期条件、および計算条件を固定した条件とする。つまり、上記各条件を、それぞれ一定の条件にする。そして、上記相関式の係数を一旦設定してシミュレーションを行ない、上記計算値を得る。次に、この計算値と実際の実験値等を比較する。ここで、もし計算値と実験値とが一致していなければ、上記係数を変更して、再度シミュレーションを行なう。そして、このような処理を繰り返し行ない、最終的に、計算式と実験式とが一致する係数を特定する。ここで、このように計算式と実験式とが一致する係数を、最適係数と称する。
【0009】
一方、特許文献1には、対象となる全試行の遂行が事実上不可能な実験を行なう際に、能動学習を用いて効率的な実験手順を指定することにより、少ない実験回数で目的関数の推定を可能にする実験計画の立案方法が開示されている。
【0010】
【特許文献1】
特開平11−316754号公報(公開日:平成11年11月16日)
【0011】
【発明が解決しようとする課題】
しかしながら、上記シミュレーションにおける計算は非常に複雑なものであるため、一度のシミュレーションでさえ、多くの時間を必要とする。また、係数を数多く含む式を相関式として用いた場合には、最適係数を決定するために適宜係数を変更してシミュレーションを繰返す必要があるため、実験結果と一致する計算値が得られるような係数を特定しようとすると莫大な時間を要することになる。
【0012】
本発明は、上記の課題に鑑みなされたものであって、その目的は、流体のシミュレーションに用いる相関式の最適係数を迅速に決定可能であって、精度の高いシミュレーションが可能となる流体のシミュレーション方法、最適係数推算装置、および、流体のシミュレーションシステムを提供することにある。
【0013】
【課題を解決するための手段】
上記の課題を解決するため、本発明の流体のシミュレーション方法は、流体の流れのモデルが数式化され、係数を含む相関式を用いて、流体の物理量を求める流体のシミュレーション方法において、前記相関式の係数と物理量との間で成立する統計モデルに、実験により得られた物理量の実験値を適用して、前記相関式の最適係数を決定する最適係数決定ステップと、前記決定した最適係数を適用した前記相関式を用いてシミュレーションを行なうシミュレーションステップとを含むことを特徴としている。
【0014】
上記の方法によれば、相関式の最適係数の決定にあたり、前記相関式の係数と物理量との間で成立する統計モデルに、実験により得られた物理量の実験値を適用している。
【0015】
これにより、上記物理量の実験値を適用して得られた係数を、相関式の係数としてシミュレーションを行なうと、結果として、物理量の実験値と同じ結果を有する値が得られる。
【0016】
したがって、この実験結果に対応する係数を基にシミュレーションを行なうことにより、精度の高い流体のシミュレーションが可能になる。
【0017】
また、従来のように、相関式の係数を決定するために、係数を適宜変更してシミュレーションを繰り返し、シミュレーションで得られた物理量の計算値と実際の実験で得られた物理量の実験値とを比較して最適と考えられる係数を決定する方法と比較した場合、本発明では統計モデルを利用して物理量の実験値から係数を逆算して求めているため、係数を決定する際のシミュレーション回数を減らすことが可能となる。したがって、最適係数の決定に要する時間を大幅に短縮することが可能となる。
【0018】
また、本発明の流体のシミュレーション方法は、上記のシミュレーション方法において、前記最適係数決定ステップは、前記相関式の係数を複数組設定し、それら複数組の係数を用いて、それぞれにシミュレーションを行って物理量の計算値を得る計算値取得ステップと、前記複数組の係数と、それぞれに得られた物理量の計算値とから、前記統計モデルを生成する統計モデル生成ステップとを含むことを特徴としている。
【0019】
上記の方法によれば、まず、計算値取得ステップにより、シミュレーション結果である物理量の計算値が、設定した係数組毎に得られる。これにより、それぞれに、係数と物理量の計算値との関係が得られる。
【0020】
したがって、統計モデル生成ステップにより、上記係数と物理量の計算値と関係から、係数と物理量との間で成立する統計モデルを生成できる。
【0021】
また、本発明の流体のシミュレーション方法は、上記のシミュレーション方法において、前記統計モデルが、ニューラルネットワークによって実現されることを特徴としている。
【0022】
上記の方法によれば、統計モデルを容易に生成することが可能となる。
【0023】
本発明の最適係数推算装置は、上記の課題を解決するため、流体の流れのモデルが数式化され、係数を含む相関式の最適係数を決定する最適係数推算装置であって、前記相関式の係数と、この係数を適用した前記相関式を用いてシミュレーションを行なうことにより得られた物理量の計算値とから、前記相関式の係数と物理量との間で成立する統計モデルを生成する統計モデル生成部と、前記統計モデル生成部で生成された統計モデルに、実験により得られた物理量の実験値を適用して、前記相関式の最適係数を決定する最適係数決定部とを備えていることを特徴としている。
【0024】
上記の構成によれば、統計モデル生成部により、前記相関式の係数と、この係数を適用した前記相関式を用いてシミュレーションを行なうことにより得られる物理量の計算値とから、係数と物理量との間で成立する統計モデルが生成される。また、最適係数決定部により、前記相関式の係数と物理量との間で成立する統計モデルに、実験により得られた物理量の実験値が適用される。
【0025】
これにより、上記物理量の実験値を適用して得られた係数を、相関式の係数としてシミュレーションを行なうと、結果として、物理量の実験値と同じ結果を有する値が得られる。
【0026】
したがって、精度の高い流体のシミュレーションを実施できる最適係数を決定可能な最適係数推算装置を提供できる。
【0027】
また、本発明の最適係数推算装置は、上記の最適係数推算装置において、前記統計モデル生成部は、前記相関式の係数と、この係数を適用した相関式を用いてシミュレーションを行なって前記物理量の計算値を取得する計算値取得部を備えていることを特徴としている。
【0028】
上記の構成によれば、計算値取得部により、係数に応じた物理量の計算値を取得することができる。
【0029】
したがって、この計算値を利用することにより統計モデルを構築することが可能となる。
【0030】
本発明の流体のシミュレーションシステムは、上記の課題を解決するために、上記最適係数演算装置と、前記最適係数演算装置において決定された相関式の最適係数を用いて流体のシミュレーションを行なうシミュレーション装置とを備えていることを特徴としている。
【0031】
上記の構成によれば、流体のシミュレーションシステムは、上記最適係数演算装置を備えている。また、上記流体のシミュレーションシステムは、前記最適係数演算装置において決定された相関式の最適係数を用いて流体のシミュレーションを行なうシミュレーション装置を備えている。
【0032】
したがって、相関式の最適係数を迅速に決定でき、かつ、精度の高い流体のシミュレーションが実施可能となる流体のシミュレーションシステムを提供することができる。
【0033】
【発明の実施の形態】
本発明の実施の一形態について図1ないし図11に基づいて説明すれば以下のとおりである。
【0034】
本実施の形態に係る流体のシミュレーションシステム10は、図7に示すとおり、最適係数推算装置11と、シミュレーション装置12とを備えている。また、上記最適係数推算装置11は、さらに、統計モデル生成部13と最適係数決定部14とを備えている。また、統計モデル生成部13は、計算値取得部15と統計モデル構築部16とを備えている。これらの装置や部の詳細については、後述する。
【0035】
図2(a)は、気泡塔の気泡流の状態を実際に測定するための実験装置を示した概略図である。そして、図2(b)は、上記気泡塔のAA’線矢視断面図である。また、図2(c)は、気泡塔内で気泡を発生させるスパージャーを示した説明図である。ここで、気泡塔とは、液相中に気泡が分散する「気泡流」を利用した化学装置であって、酸化、水素化、醗酵、廃水処理等の様々な処理に用いられるものである。
【0036】
この気泡塔1は、直径0.6m、高さ1.6mの塔であり、上部を大気に開放し、底部を半楕円形とした透明塩化ビニール製の容器である。そして、図示しないオイルフリーコンプレッサーで圧縮した空気をクーラー・減圧弁に通した後、4つのラインに分岐させる。また、気泡塔1内には、図2(a)および(b)に示すとおり、一辺が25mmとなる正方形の断面を有するアルミ製パイプ2…を、気泡塔1の鉛直方向に4本設置している。さらに、これら4本のパイプの下端に、気泡を発生させるスパージャー3…を4本取り付けている。また、図2(c)に示すとおり、アルミ製パイプ2…の中にはエアーパイプ4…が通っている。
【0037】
ここで、上記スパージャー3…としては、外径が10mmで、長さが0.32mのステンレス円管に、直径1.5mmの円孔を25mm間隔で12個設けたものを使用している。また、気泡塔1には、水道水を初期高さが1.3mとなるように満たしておき、その後、スパージャー3…から気泡塔1の中央に向けて気相を体積流量9Nm3/hrで供給する。なお、各スパージャー3…には、それぞれに対応するエアーパイプ4…からエアーが送られる。
【0038】
また、実験においては、所定の計測位置における気相体積率を測定するものとする。なお、この気相体積率を測定する方法として、点電極プローブ法を用いることとする。このため、上記気泡塔1には、図2(a)および(b)に示すとおり、ステンレスパイプ5、可動リング6、および、それぞれ先端に点電極を有する4本のプローブ7…を設置している。
【0039】
上記ステンレスパイプ5は、外径が56mmであって、気泡塔1の中央部に鉛直方向に備えられている。また、上記可動リング6は、このステンレスパイプ5の延伸方向に沿って移動可能に取り付けられている。さらに、可動リング6は、ステンレスパイプ5の周方向に回転可能に取り付けられている。
【0040】
さらに、この可動リング6には、上記4本のプローブ7…が、可動リング6の外周に関して互いに90度の間隔で取り付けられている。さらに、プローブ7…は、可動リング6に対する取付端を回転軸として回転可能とし、気泡塔1の鉛直方向に対する取付角度が可変となっている。
【0041】
そして、上記可動リング6の鉛直方向への移動、可動リング6のステンレスパイプ5に対する回転角度の設定、および、プローブ7…の鉛直方向の取付角度の設定によって、気泡塔1内においてプローブ7…を様々な位置に設定することができるようになっている。
【0042】
ここで、上記のような気泡塔1でのシミュレーションに際に、混相流モデルの一つである多流体モデルを用いた。また、流体気液界面に働く力に関する相関式として、以下の数式(1)を用いた。
【0043】
【数1】
【0044】
ここで、添字mが1のときは、気泡が小さな気泡である場合を示し、添字mが2のときは、気泡が大きな気泡である場合を示している。また、aintは界面積濃度、CDは抗力係数、ρは液相の密度、Vdは気泡速度、αdは気泡の体積率、CVMは仮想質量力係数、CLは揚力係数、CTDは乱流分散力係数、kは乱流エネルギーをそれぞれ示している。
【0045】
以下、上記の数式(1)を例として、本発明の特徴となる、相関式における最適係数の決定の手法について、説明する。
【0046】
まず、相関式における各係数の組合せ(係数群)を、複数組設定する。なお、各組の各係数は、適宜設定しておく。具体的には、図3に示すとおり、揚力係数CL1およびCL2、仮想質量力係数CVM、乱流分散力係数CTD、ならびに、抗力係数CD1およびCD2の各係数からなる係数群を16組設定する。なお、設定する組数は、16組に限定されるものではない。
【0047】
そして、上記各係数群において、シミュレーションを実行する。なお、このシミュレーションは、上記シミュレーション装置12(図7参照)により実行できる。この場合にも、従来と同様に、図13に示すとおり、境界条件、初期条件、計算条件のそれぞれを各係数群で共通の設定とし、各係数群で計算結果を得る。この計算結果である計算値(物理量の計算値)の取得は、上記計算値取得部15(図7参照)により行なわれる。
【0048】
以上により、各係数群において、各係数と、これら係数を設定することにより得られた計算結果との対応関係が得られる。つまり、16組の係数を入力しているため、16通りの計算値が出力として得られることになる。
【0049】
ここで、図4に示すとおり、上記計算値を逆に入力として、上記計算値に対応した各係数を出力とする統計モデルを構築する。つまり、計算値を入力すると、上記計算値を取得する基となった各係数が求められるように統計モデルを構築する。この統計モデルの構築にあたっては、例えば、ニューラルネットワークを用いることができる。ここで、上記統計モデルの構築は、上記統計モデル構築部16(図7参照)で行なわれる。
【0050】
次に、図5に示すとおり、実際に実験することにより得られた実験値(物理量の実験値)等の予測したいデータを、統計モデルに入力する。この実験には、図2(a)から(c)に示した実験装置を用いる。これにより、どのような係数を有する係数群とすれば、シミュレーションの計算値を実験値と概ね一致させることができるかが判断可能となる。具体的には、図6に示すとおりの係数群を得る。このように、計算値と実験値とが一致する係数を最適係数と称する。この最適係数を有する係数群は、上記最適係数決定部14(図7参照)で決定される。
【0051】
ここで、上述した最適係数の決定と、この最適係数を用いたシミュレーションに関するフローを、図1のフローチャートを基に説明すると以下のとおりである。
【0052】
まず、上記相関式の係数(係数群)を複数組設定し、これら複数組の係数を用いて、それぞれにシミュレーションを行って計算値を得る(S1)。なお、このステップを計算値取得ステップと称する。ステップS1の後は、上記複数組の係数と、それぞれに得られた計算値とから、係数と物理量との間で成立する統計モデルを生成する(S2)。このステップを統計モデル生成ステップと称する。S2の後は、上記統計モデルに、実験により得られた実験値を適用することにより、最適係数を推算する(S3)。
【0053】
また、上記S1からS3に示したように、相関式の係数と、物理量との間で成立する統計モデルに、実験により得られた物理量の実験値を適用することにより、相関式の最適係数を求めるステップを最適係数決定ステップと称する。
【0054】
S3の後は、上記決定した最適係数を用いてシミュレーションを行なう(S4)。このステップをシミュレーションステップと称する。ここで、このシミュレーションは、上記シミュレーション装置12(図7参照)により行なわれる。
【0055】
以上により、S1〜S3のステップで相関式の最適係数を迅速に決定することが可能となるともに、S4のステップで精度の高いシミュレーションが実現可能となる。
【0056】
ここで、上記のように、最適係数を決定して、シミュレーションを行なうシミュレーションシステム(流体のシミュレーションシステム)について、図7を基に説明する。
【0057】
上記シミュレーションシステム10は、図7に示すとおり、最適係数を決定するための最適係数推算装置11と、この最適係数推算装置11で決定された最適係数を用いてシミュレーションを実行するシミュレーション装置12とを備えている。
【0058】
また、上記最適係数推算装置11は、統計モデル生成部13と最適係数決定部14とを備えている。この統計モデル生成部13は、上記相関式の係数(係数群)と、この係数を適用した相関式を用いてシミュレーションを行なうことにより得られる計算値とから、係数と物理量との間で成立する統計モデルを生成する。また、上記最適係数決定部14は、上記統計モデル生成部13で生成された統計モデルに、実験により得られた実験値を適用して、上記相関式の最適係数を決定する。
【0059】
また、上記統計モデル生成部13は、同図に示すとおり、相関式の係数(係数群)を複数組設定し、これら複数組の係数を用いて、それぞれにシミュレーションを行って計算値を得る計算値取得部15と、上記複数組の係数と、それぞれに得られた計算値とから、係数と物理量との間で成立する統計モデルを構築する統計モデル構築部16とを備えている。
【0060】
以上の構成により、シミュレーションシステム10では、最適係数を迅速に決定できるとともに、精度の高いシミュレーションを実現している。
【0061】
ここで、上記最適係数の決定の仕方について、一般的に説明すると、以下のとおりである。
【0062】
まず、相関式におけるα、β、γ、…からなる係数群を複数組設定する。そして、これらの各係数群を用いて、それぞれに、シミュレーションを行ない、a、b、c、…からなる計算値を得る。そして、各係数群と、各係数群に対応する計算値とを基に、ニューラルネットワーク等を用いて統計モデルを生成する。
【0063】
より詳しくは、計算値a,b,c,…をパラメータとし、係数α,β,γ,…を得る統計モデルを生成する。具体的には、α(a,b,c,…)、β(a,b,c,…)、γ(a,b,c,…)…で示される統計モデルを生成する。
【0064】
そして、上記パラメータa,b,cに、実験等で得られた予測したいデータ(実験値)、例えば(a’,b’,c’,…)を入力し、最適係数を求める。つまり、αをα(a’,b’,c’,…)で求められる値とし、βをβ(a’,b’,c’,…)で求められる値とし、γをγ(a’,b’,c’,…)で求められる値とする。
【0065】
次に、上記の手法で求めた図6に示す係数群を用いて、シミュレーションを行ない、実験結果との比較を試みた。
【0066】
まず、上記シミュレーションにおける気泡塔1内の計算位置について、図8に基づいて説明する。なお、図8においては、上記気泡塔1の最下端を原点とし、気泡塔1の鉛直方向をZ軸と平行となるように座標系を定める。また、上記スパージャー3…の両端部(詳しくは、上記アルミ製パイプ2…の中心軸)が、XZ平面、YZ平面上に位置するように座標軸を定める。なお、上記座標系の単位はmmとする。
【0067】
ここで、線分LnAを、y=0、かつ、z=25+100n(0<x<300)で表される線分とする。また、線分LnBを、y=Tan(π/12)・x、かつ、z=25+100n(但し、0<x<300cos(π/12))で表される線分とする。さらに、線分LnCを、y=Tan(π/6)・x、かつ、z=25+100n(但し、0<x<300cos(π/6))で表される線分とする。最後に、線分LnDを、y=Tan(π/4)・x、かつ、z=25+100n(但し、0<x<300cos(π/4))で表される線分とする。なお、nは1から7までの自然数とする。
【0068】
次に、図9(a)から(d)に、それぞれ、線分L3A、線分L4B、線分L5C、および、線分L6D上における気相体積率(%)のシミュレーション結果を実線で示す。また、同時に、実験値についても、黒点で示す。
【0069】
なお、シミュレーション結果の図面においては、Z軸からの距離rを横軸に示している。また、実験の際の測定は、プローブ7…の位置を変えて、それぞれ、線分L3A、線分L4B、線分L5C、線分L6D上であって、Z軸からの距離が、100mm、150mm、200mm、250mmの位置で行なっている。
【0070】
これらシミュレーションの結果(計算値)と、実験値とを比較すると、全ての場合において、計算値と実験値とが、略一致していることがよく分かる。また、図示はしていないが、線分L3A、線分L4B、線分L5C、線分L6Dだけではなく、他の線分においても、同様の結果が得られた。
【0071】
ここで、従来の手法を用いた場合との効果の相違について説明する。
【0072】
上記数式(1)で示される気液界面に働く力に関する相関式は、多くの係数を有している。そのため、従来においては、上述したように、これら係数の値を変更しつつ、実験値に一致するような係数群を決定していた。
【0073】
このため、上記のシミュレーションを行ない、最適と思われる係数群を決定するまでには、80回以上のシミュレーションの実施が必要となっていた。例えば、1回のシミュレーションに要する時間を20時間とすると、合計1600時間を要していた。
【0074】
ところが、本発明を用いた場合には、上述したように、16回のシミュレーションの実施にて、略実験値と一致する最適係数群が得られている。つまり、320時間しか要していない。このように、係数の決定に際して行なうシミュレーション時間を大幅に短縮することが可能となる。
【0075】
また、従来の手法では、例え最適と思われる係数を決定したとしても、本発明の手法に比べ、精度の高いシミュレーションを行なうための係数は得ることは難しい。これは、従来の手法では、最適と思われる係数を逐次設定してシミュレーションを行ない、結果を参照しつつ、何度もシミュレーションを繰返す手法であるため、実験値と一致するような係数群を決定することは困難であるからである。仮に、本発明で得られるような、精度の高いシミュレーションを行なうための係数を得ようとすると、さらに、シミュレーション回数を増やす必要が生じてしまう。
【0076】
ここで、比較例として、従来の手法を用いて係数を決定する際の、シミュレーション結果例について説明する。
【0077】
なお、上記シミュレーションで用いた各係数群における、揚力係数CL1およびCL2、仮想質量力係数CVM、乱流分散力係数CTD、抗力係数CD1およびCD2の値は、図10に示すとおりである。また、説明の便宜上、図10の一番上の係数群から順に、第1の係数群、第2の係数群、第3の係数群、第4の係数群、第5の係数群と称する。
【0078】
ここで、図11(a)から(d)に、線分L3A、線分L4B、線分L5C、および、線分L6D上における気相体積率(%)のシミュレーション結果を示す。また、同時に、実験値についても、黒点で示す。
【0079】
これらの結果から、第2の係数群を用いた場合が、比較的、実験結果と一致していることが分かる。したがって、上記の係数群のうちでは、(CL1、CL2)=(0.288、−0.2784)とすることが好ましい。しかしながら、実験値とは一致しているとは言いがたい。
【0080】
したがって、精度の高いシミュレーションを実行すべく最適係数を得るためには、揚力係数を再度変更してシミュレーションを繰返すか、あるいは、仮想質量力係数CVM、乱流分散力係数CTD、並びに、抗力係数CD1およびCD2の値についても、それぞれに変更して、更にシミュレーションを順次行なっていく必要がある。具体的には、図6で示される係数と略同一な係数を得るまで繰返してシミュレーションを行なう必要がある。このように、従来の手法では、最適係数を決定するのに時間を要する。
【0081】
一方、本発明の手法を用いれば、図9にも示したとおり、容易に最適係数を決定することができる。したがって、従来の手法と比較した場合、最適係数の決定に際して、大幅な時間の短縮を図ることが可能となる。
【0082】
なお、本実施の形態においては、統計モデルを決定するために、ニューラルネットワークという手法を用いたが、必ずしもこれに限定されるものではない。出力値である計算値と、入力値である係数との間に1対1の関係が成り立ち、少なくとも、計算値から係数が決定できるような統計モデルを構築できる手法であればよい。たとえば、ニューラルネットワークの代わりに、回帰関係を求めるための統計的手法である回帰分析の手法を用いてもよい。
【0083】
また、上記実施の形態では、本発明の適用例として気泡塔1を例に挙げて説明したが、これに限定されるものではない。相関式を用いて流れを解析する数値流体力学の分野全般に適用可能である。
【0084】
また、本発明を以下の用途に利用することも可能である。
【0085】
シミュレーションを行なう際には、上述したように、予め最適と考えられる相関式を選択した。しかしながら、選択した相関式が、必ずしも最適な式であるとは限らない。そこで、最適な式であるか否かの判断の手法として、本発明を利用することもできる。
【0086】
つまり、選択した相関式を基にして、本発明に係る手法を用いて係数を求めた際に、得られた係数が、経験等から得られる係数の想定範囲内にある場合には、相関式の選択が正しいと判断できる。一方、上記想定範囲から大幅に外れた値であった場合には、相関式の選択が正しくない可能性が高いと判断できる。
【0087】
このように、統計モデルを利用して得られた係数自体を考慮することにより、選択した相関式の適否も判断可能である。
【0088】
【発明の効果】
以上のように、本発明の流体のシミュレーション方法は、前記相関式の係数と物理量との間で成立する統計モデルに、実験により得られた物理量の実験値を適用して、前記相関式の最適係数を決定する最適係数決定ステップと、前記決定した最適係数を適用した前記相関式を用いてシミュレーションを行なうシミュレーションステップとを含む方法である。
【0089】
それゆえ、この実験結果に対応する係数を基にシミュレーションを行なうことにより、精度の高い流体のシミュレーションが可能になるという効果を奏する。
【0090】
また、相関式の最適係数を決定する際のシミュレーション回数を減らすことが可能となり、最適係数の決定に要する時間を大幅に短縮することが可能となる。
【0091】
さらに、本発明の流体のシミュレーション方法は、前記最適係数決定ステップは、前記相関式の係数を複数組設定し、それら複数組の係数を用いて、それぞれにシミュレーションを行って物理量の計算値を得る計算値取得ステップと、前記複数組の係数と、それぞれに得られた物理量の計算値とから、前記統計モデルを生成する統計モデル生成ステップとを含む方法である。
【0092】
それゆえ、上記係数と物理量の計算値と関係から、係数と物理量との間で成立する統計モデルを生成できるという効果を奏する。
【0093】
さらに、本発明の流体のシミュレーション方法は、前記統計モデルが、ニューラルネットワークによって実現される方法である。
【0094】
それゆえ、統計モデルを容易に生成することが可能となるという効果を奏する。
【0095】
また、本発明の最適係数推算装置は、流体の流れのモデルが数式化され、係数を含む相関式の最適係数を決定する最適係数推算装置であって、前記相関式の係数と、この係数を適用した前記相関式を用いてシミュレーションを行なうことにより得られた物理量の計算値とから、前記相関式の係数と物理量との間で成立する統計モデルを生成する統計モデル生成部と、前記統計モデル生成部で生成された統計モデルに、実験により得られた物理量の実験値を適用して、前記相関式の最適係数を決定する最適係数決定部とを備えている構成である。
【0096】
それゆえ、精度の高い流体のシミュレーションを実施できる最適係数を決定可能な最適係数推算装置を提供できるという効果を奏する。
【0097】
さらに、本発明の最適係数推算装置は、前記統計モデル生成部が、前記相関式の係数と、この係数を適用した相関式を用いてシミュレーションを行なって前記物理量の計算値を取得する計算値取得部を備えている構成である。
【0098】
それゆえ、この計算値を利用することにより統計モデルを構築することが可能となるという効果を奏する。
【0099】
また、本発明の流体のシミュレーションシステムは、上記最適係数演算装置と、前記最適係数演算装置において決定された相関式の最適係数を用いて流体のシミュレーションを行なうシミュレーション装置とを備えている構成である。
【0100】
それゆえ、相関式の最適係数を迅速に決定でき、かつ、精度の高い流体のシミュレーションが実施可能となる流体のシミュレーションシステムを提供することができるという効果を奏する。
【図面の簡単な説明】
【図1】本発明の実施の形態に係る流体のシミュレーションのフローを示したフローチャートである。
【図2】(a)は、本発明の実施の形態に係る実験装置の概略を示した断面図である。(b)は、(a)のAA’線矢視断面図である。(c)は、上記実験装置の要部を示した拡大図である。
【図3】上記流体のシミュレーションに用いる相関式の係数を決定するために用いられる係数群の一例を示した説明図である。
【図4】本発明の実施の形態に係る統計モデルを説明するための説明図である。
【図5】上記統計モデルを用いて最適係数を求める際の説明図である。
【図6】上記最適係数の一例を示した説明図である。
【図7】本実施の形態に係る流体のシミュレーションシステムの構成を示した機能ブロック図である。
【図8】上記流体のシミュレーション装置でシミュレートする気泡塔内におけるシミュレーション計算位置を示した説明図である。
【図9】本発明に係る最適係数決定手法を用いた際におけるシミュレーション結果と、所定位置における実験値とを示したグラフである。(a)は、ある線分上でのシミュレーション結果と、実験値とを示したグラフである。(b)は、他の線分上でのシミュレーション結果と、実験値とを示したグラフである。(c)は、さらに他の線分上でのシミュレーション結果と、実験値とを示したグラフである。(d)は、さらに他の線分上でのシミュレーション結果と、実験値とを示したグラフである。
【図10】従来における最適係数の決定手法を説明すための係数群を示した説明図である。
【図11】上記従来の最適係数の決定手法を用いて最適係数を求める過程におけるシミュレーション結果と、所定位置における実験値とを示したグラフである。(a)は、ある線分上でのシミュレーション結果と、所定位置での実験値とを示したグラフである。(b)は、他の線分上でのシミュレーション結果と、実験値とを示したグラフである。(c)は、さらに他の線分上でのシミュレーション結果と、実験値とを示したグラフである。(d)は、さらに他の線分上でのシミュレーション結果と、実験値とを示したグラフである。
【図12】基礎式と相関式とを用いて流体の流れをシミュレーションし、シミュレーション結果としての計算値を得る過程を説明した説明図である。
【図13】上記相関式の係数を変更して、上記シミュレーションを行ない、計算値を得る過程を示した説明図である。
【図14】上記相関式の最適係数を決定するための過程の一部を示した説明図である。
【符号の説明】
1 気泡塔
3 スパージャー
7 プローブ
10 シミュレーションシステム(流体のシミュレーションシステム)
11 最適係数推算装置
12 シミュレーション装置
13 統計モデル生成部
14 最適係数決定部
15 計算値取得部
Claims (6)
- 流体の流れのモデルが数式化され、係数を含む相関式を用いて、流体の物理量を求める流体のシミュレーション方法において、
前記相関式の係数と物理量との間で成立する統計モデルに、実験により得られた物理量の実験値を適用して、前記相関式の最適係数を決定する最適係数決定ステップと、
前記決定した最適係数を適用した前記相関式を用いてシミュレーションを行なうシミュレーションステップとを含むことを特徴とする流体のシミュレーション方法。 - 前記最適係数決定ステップは、
前記相関式の係数を複数組設定し、それら複数組の係数を用いて、それぞれにシミュレーションを行って物理量の計算値を得る計算値取得ステップと、
前記複数組の係数と、それぞれに得られた物理量の計算値とから、前記統計モデルを生成する統計モデル生成ステップとを含むことを特徴とする請求項1に記載の流体のシミュレーション方法。 - 前記統計モデルが、ニューラルネットワークによって実現されることを特徴とする請求項2に記載の流体のシミュレーション方法。
- 流体の流れのモデルが数式化され、係数を含む相関式の最適係数を決定する最適係数推算装置であって、
前記相関式の係数と、この係数を適用した前記相関式を用いてシミュレーションを行なうことにより得られた物理量の計算値とから、前記相関式の係数と物理量との間で成立する統計モデルを生成する統計モデル生成部と、
前記統計モデル生成部で生成された統計モデルに、実験により得られた物理量の実験値を適用して、前記相関式の最適係数を決定する最適係数決定部とを備えていることを特徴とする最適係数推算装置。 - 前記統計モデル生成部は、前記相関式の係数と、この係数を適用した相関式を用いてシミュレーションを行なって前記物理量の計算値を取得する計算値取得部を備えていることを特徴とする請求項4に記載の最適係数推算装置。
- 請求項4または5に記載の最適係数演算装置と、
前記最適係数演算装置において決定された相関式の最適係数を用いて流体のシミュレーションを行なうシミュレーション装置とを備えていることを特徴とする流体のシミュレーションシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003082112A JP2004288097A (ja) | 2003-03-25 | 2003-03-25 | 流体のシミュレーション方法、最適係数推算装置、および、流体のシミュレーションシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003082112A JP2004288097A (ja) | 2003-03-25 | 2003-03-25 | 流体のシミュレーション方法、最適係数推算装置、および、流体のシミュレーションシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2004288097A true JP2004288097A (ja) | 2004-10-14 |
Family
ID=33295487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003082112A Pending JP2004288097A (ja) | 2003-03-25 | 2003-03-25 | 流体のシミュレーション方法、最適係数推算装置、および、流体のシミュレーションシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2004288097A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101339511B1 (ko) * | 2011-01-26 | 2013-12-10 | 한국환경공단 | 수질 다 항목을 이용한 총 질소 예측 장치 및 방법 |
JP2021190266A (ja) * | 2020-05-28 | 2021-12-13 | トヨタ自動車株式会社 | 燃料電池システム |
JP7543713B2 (ja) | 2020-06-15 | 2024-09-03 | 富士通株式会社 | 機械学習プログラム,機械学習装置,機械学習方法,流速場推定プログラム,データ生成装置およびデータ生成方法 |
-
2003
- 2003-03-25 JP JP2003082112A patent/JP2004288097A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101339511B1 (ko) * | 2011-01-26 | 2013-12-10 | 한국환경공단 | 수질 다 항목을 이용한 총 질소 예측 장치 및 방법 |
JP2021190266A (ja) * | 2020-05-28 | 2021-12-13 | トヨタ自動車株式会社 | 燃料電池システム |
JP7276251B2 (ja) | 2020-05-28 | 2023-05-18 | トヨタ自動車株式会社 | 燃料電池システム |
JP7543713B2 (ja) | 2020-06-15 | 2024-09-03 | 富士通株式会社 | 機械学習プログラム,機械学習装置,機械学習方法,流速場推定プログラム,データ生成装置およびデータ生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Georgoulas et al. | Numerical investigation of quasi-static bubble growth and detachment from submerged orifices in isothermal liquid pools: The effect of varying fluid properties and gravity levels | |
Hill | The computer simulation of dispersed two-phase flow | |
Roghair et al. | On the drag force of bubbles in bubble swarms at intermediate and high Reynolds numbers | |
Mendez et al. | An unstructured solver for simulations of deformable particles in flows at arbitrary Reynolds numbers | |
Deising et al. | Direct numerical simulation of mass transfer in bubbly flows | |
Ding et al. | Aerodynamic tailoring of structures using computational fluid dynamics | |
Mirsandi et al. | Bubble formation from an orifice in liquid cross-flow | |
Schröder et al. | Two-and three-dimensional CFD-simulation of flow-induced vibration excitation in tube bundles | |
Schwarzmeier et al. | Comparison of free-surface and conservative Allen–Cahn phase-field lattice Boltzmann method | |
Abbassi et al. | Influence of operating conditions and liquid phase viscosity with volume of fluid method on bubble formation process | |
Liu et al. | Numerical simulations of bubble formation and acoustic characteristics from a submerged orifice: The effects of nozzle wall configurations | |
White et al. | Fast neural network predictions from constrained aerodynamics datasets | |
Livi et al. | Drag and lift coefficients of ellipsoidal particles under rarefied flow conditions | |
Bidar et al. | An open-source adjoint-based field inversion tool for data-driven RANS modelling | |
Kurtoglu et al. | Lattice Boltzmann study of bubble dynamics | |
JP2004288097A (ja) | 流体のシミュレーション方法、最適係数推算装置、および、流体のシミュレーションシステム | |
Reviol et al. | Investigation of propeller mixer for agitation of non-Newtonian fluid flow to predict the characteristics within the design process | |
Zhou | Rectangular lattice Boltzmann method | |
Lu et al. | A front tracking method for the simulation of compressible multimedium flows | |
Kołodziejczyk et al. | Transient hydrodynamic coefficients for a single DOF underwater manipulator of a square cross-section | |
Sui et al. | Inertia effect on the transient deformation of elastic capsules in simple shear flow | |
CN115659692A (zh) | 一种湍流流动状态下泡状流数值预测方法及系统 | |
Zhu et al. | A boundary condition-enhanced direct-forcing immersed boundary method for simulations of three-dimensional phoretic particles in incompressible flows | |
Bravo et al. | Development of a commercial code-based two-fluid model for bubble plumes | |
Oprea | Prediction of tip vortex cavitation for ship propellers |