文献

J-GLOBAL ID：201902284228518819   整理番号：19A2605561

深層学習によるその歴史2-D投影からの3-D火炎進化のオンラインin situ予測【JST・京大機械翻訳】

Online in situ prediction of 3-D flame evolution from its history 2-D projections via deep learning

著者 (3件)： Huang Jianqing (Key Lab of Education Ministry for Power Machinery and Engineering, School of Mechanical Engineering, Shanghai Jiao Tong University, 800 Dongchuan Road, Shanghai 200240, China) ,  Liu Hecong (Key Lab of Education Ministry for Power Machinery and Engineering, School of Mechanical Engineering, Shanghai Jiao Tong University, 800 Dongchuan Road, Shanghai 200240, China) ,  Cai Weiwei (Key Lab of Education Ministry for Power Machinery and Engineering, School of Mechanical Engineering, Shanghai Jiao Tong University, 800 Dongchuan Road, Shanghai 200240, China)
資料名： Journal of Fluid Mechanics  (Journal of Fluid Mechanics)
巻： 875  ページ： R2  発行年： 2019年 
JST資料番号： C0290A  ISSN： 0022-1120  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 三次元火炎進展のオンラインその場予測は長く望まれており,燃焼コミュニティに対するHoly Grailと考えられている。計算力における最近の進歩は,計算流体力学(CFD)の開発を促進し,それを用いて火炎挙動を予測することができる。しかしながら,最も進歩したCFD技術は,含まれる膨大な計算コストにより,実際の火炎のオンラインその場予測を実現することができない。本研究では,三次元火炎進展の迅速な予測のために,最先端の実験技術(時間分解体積トモグラフィー)と深い学習アルゴリズムを組み合わせることを目的とした。概念実証実験により,層流拡散火炎と典型的な非予混合乱流旋回安定化火炎の両方の進展は,数ミリ秒のオーダーで時間スケールで忠実に予測でき,それはさらに数個のGPUsを用いることにより簡単に低減できることを示唆した。これは,3-D火炎進展のオンラインその場予測が実行可能になり,多くの応用シナリオに対して,大規模火炎特性のオンラインその場予測が有効な火炎制御に対して既に有用であることを期待した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計算流体力学 ,  実証実験 ,  学習アルゴリズム ,  トモグラフィー ,  乱流 ,  コミュニティ ,  *予測 ,  *三次元
準シソーラス用語： 実験技術 ,  計算コスト ,  火炎挙動 ,  *オンライン ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 計算法 ,  燃焼 ,  火炎

分類 (1件)： 燃焼理論  (XE04020H)

タイトルに関連する用語 (7件)： 深層学習 ,  歴史 ,  投影 ,  火炎 ,  進化 ,  オンライン ,  予測