文献

J-GLOBAL ID：202102230010954820   整理番号：21A0198145

二重燃料エンジン条件下での点火遅れ時間の機械学習【JST・京大機械翻訳】

Machine Learning of ignition delay times under dual-fuel engine conditions

著者 (5件)： Han Wang (Institute for Simulation of reactive Thermo-Fluid Systems, TU Darmstadt, Darmstadt 64287, Germany) ,  Han Wang (Institute for Multiscale Thermofluids, School of Engineering, The University of Edinburgh, Edinburgh EH8 3JL, Scotland, UK) ,  Sun Zhen (Institute for Simulation of reactive Thermo-Fluid Systems, TU Darmstadt, Darmstadt 64287, Germany) ,  Scholtissek Arne (Institute for Simulation of reactive Thermo-Fluid Systems, TU Darmstadt, Darmstadt 64287, Germany) ,  Hasse Christian (Institute for Simulation of reactive Thermo-Fluid Systems, TU Darmstadt, Darmstadt 64287, Germany)
資料名： Fuel  (Fuel)
巻： 288  ページ： Null  発行年： 2021年 
JST資料番号： C0023A  ISSN： 0016-2361  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： 低反応性希薄予混合電荷(例えばメタン/空気)を着火する高反応性パイロット燃料(例えばディーゼルまたはDME)を使用する二元燃料(DF)圧縮点火エンジンを,厳しい汚染物質規制に適合するために提案した。流れ,化学および火炎間の複雑なマルチスケール相互作用のため,DF燃焼は複雑なマルチモーダル燃焼領域を示し,従ってモデル化に挑戦する。最も重要なパラメーターの1つとして,着火遅れ時間(IDT)は,複雑な着火プロセスの理解とモデリング戦略を開発すると考えられている。しかし,広範囲の燃料ブレンド,圧力および流れ条件にわたるIDTsの正確な計算と測定は,時間のかかる複雑な手順である。いくつかの物理学ベースのIDTモデルが単一燃料着火のために提案されているが,それらはDFシナリオにおいていくつかの制限を受ける。本研究では,2つの異なる教師つきマシン学習法:ガラスボックス-高次元モデル表現(HDMR)とブラックボックス-畳込みニュートラルネットワーク(CNN)を用いて,DFのIDTsの正確で効率的な予測を追求した。最初に,着火過程中のDF相互作用の根底にある機構を研究した。その結果,DF着火プロセスは,負の温度係数(NTC)挙動,2段階着火,および多重燃焼モードおよび遷移を含む,非常に複雑であった。次に,HDMRとCNNを訓練するのに必要なデータを,DFエンジン条件をカバーする多数の過渡的向流と均一反応器計算によって発生させた。訓練されたHDMRとCNNモデルを数値と実験データベースでテストした。結果は,HDMRとCNNの両方がDF着火の特徴を捕捉し,学習に用いるパラメータの範囲外の予測でもIDTを正しく予測できることを示した。CNNと比較して,HDMRは,訓練データの大きさに対する比較的弱い依存性と,入力変数に対するIDTの感度を評価する能力により,より好ましい。感度解析は,パイロット燃料と主燃料の間の混合速度がDF着火に影響するのに重要な役割を果たすことを示唆した。HDMRおよび/またはCNNモデルは,IDTの時間消費実験測定または数値計算に対する有望な代替法として見なされている。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 数値計算 ,  相互作用 ,  畳込み ,  *学習 ,  データベース ,  着火遅れ ,  汚染物質 ,  向流 ,  ブラックボックス ,  圧縮点火機関 ,  多重化 ,  均一系反応 ,  多モード ,  高次元 ,  *機械学習

著者キーワード (5件)： 機械学習 ,  CNNとHDMR ,  二重燃料 ,  着火遅れ ,  低温化学

分類 (2件)： 燃焼一般  (XE04010W) ,  圧縮点火機関  (PB02030N)

タイトルに関連する用語 (3件)： 燃料 ,  点火遅れ時間 ,  機械学習