文献

J-GLOBAL ID：202102239332624239   整理番号：21A2227897

メタモデル支援遺伝的アルゴリズムを用いたフランシスランナの多目的形状最適化【JST・京大機械翻訳】

Multi-objective shape optimization of Francis runner using metamodel assisted genetic algorithm

著者 (4件)： Chirkov D (Institute of Computational Technologies SB RAS, Novosibirsk, Russia) ,  Filatova A (Institute of Computational Technologies SB RAS, Novosibirsk, Russia) ,  Filatova A (Novosibirsk State University, Novosibirsk, Russia) ,  Polokhin S (Novosibirsk State University, Novosibirsk, Russia)
資料名： IOP Conference Series: Earth and Environmental Science  (IOP Conference Series: Earth and Environmental Science)
巻： 774  号： 1  ページ： 012109 (8pp)  発行年： 2021年 
JST資料番号： W5558A  ISSN： 1755-1307  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： 今日,進化最適化技術は水力タービンランナーの設計プロセスの不可欠な部分になる。最適化のために,ランナーの形状を一組の幾何学的パラメータによってパラメータ化した。効率とキャビテーション性能である各ランナー形状の目的関数を3D流れ場のCFD解析により評価した。通常,いくつかの種類の遺伝的アルゴリズムを用いて,1世代以内の異なるランナーバリアントの並列評価の固有の可能性により,パレートフロントを検索した。このアプローチは数百と数千のランナー変異体の広範なCFD計算を必要とする。最適化プロセスをスピードアップするために,メタモデル(近似,代理モデル)を利用できる。メタモデルは設計パラメータに対する目的関数の真の依存性の近似を提供する。メタモデルは,設計空間を任意に取り入れた点のいくつかの初期集合に対する既知の目的関数に基づいて構築される。一度構築されると,最適化プロセス中の時間消費CFD計算を置き換えるのに使用できる。本論文では,Gauss過程に基づくメタモデルを実装し,多目的遺伝的アルゴリズムに統合した。得られたアルゴリズムをフランシスタービンランナーの形状最適化に適用した。設計パラメータの数は4から24まで変化した。目的関数は多点効率とキャビテーション特性である。目的関数の真の値を,ウィックトゲート,ランナーおよびドラフトチューブを含む縮小タービン領域における流れ場のReynolds平均Navier-Stokes計算を用いて評価した。これらの値を用いて初期メタモデルを訓練した。メタモデルの予測能力を強化するために,最適化ループの間に周期的に再訓練した。メタモデル支援最適化ランの結果をメタモデルなしの結果と比較した。メタモデルの適用は,多数の設計パラメータに対してさえも,実際のCFD計算の数を著しく減少させ,従って,全体の最適化プロセスをスピードアップすることを示した。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： *アルゴリズム ,  キャビテーション ,  *最適化 ,  水車 ,  *ランナ ,  近似法 ,  目的関数 ,  タービン ,  三次元 ,  流れ場 ,  *遺伝的アルゴリズム ,  *形状最適化
準シソーラス用語： 設計変数 ,  *メタモデル ,  パレートフロント , 【Automatic Indexing@JST】

分類 (1件)： 水車  (QD02000N)

タイトルに関連する用語 (5件)： メタモデル ,  支援 ,  遺伝的アルゴリズム ,  ランナ ,  形状最適化