【製造AI最前線】タービン設計×AI。【人工知能論文】

エネルギー変換のエースプレイヤー

我々が普段使用している機械は、とあるエネルギーがまた別のエネルギーに変換される構造になっている。

例えば扇風機は、電気的エネルギーがモーターによって機械的エネルギーに変換される仕組みだ。電気が電気のままであれば我々は爽やかな風を楽しむことはできない。モーターというエネルギー変換器があるからこそ、目的の体験を得ることができる。

電気エネルギーと同様の文脈で、世の中には、流体エネルギーというものが存在する。遊園プールに出かけた時に、「流れるプール」というコーナーを体験したことがあるかもしれないが、水という流体が持つエネルギーによって、プールに入る人々の体はある方向に動いてしまうというわけだ。

流体のエネルギー保存の法則も明らかにされている

そんな流体エネルギーは、枯渇資源とは異なるために、効率的な運用が期待されている。その目的をもった製品の代表例が風力発電機である。
風力発電を行うさいは、風の流体エネルギーを電気エネルギーに変換する必要がある。その際必要になってくるのが「タービン」である。風力発電機は風の流体エネルギーを翼によって受け止め、機械的エネルギーに変換したあと、モーターの逆の原理(発電機)によってそれを電気エネルギーに変換する。

風力発電タービンの世界シェア1位のVestasという企業はエコロジーブームの手伝いもあってか現在1.2兆円の売上を誇るそうだ。

エネルギー需要が高まる中、機械の効率性のみで勝負ができるタービンの注目度はますます上がるだろう。

そんなタービンが、機械学習技術によってより良い設計ができる、という研究発表が行われた!
以下は、その研究の要旨である。

機械学習モデルでタービン設計!

(Featured AI ) Turbine design with machine learning model! (Publication)

J.Chun-Yi Zhang, Ze Wang, Cheng-Wei Fei, Zhe-Shan Yuan, Jing-Shan Wei 1 and Wen-Zhong Tang, “Fuzzy Multi-SVR Learning Model for Reliability-Based Design Optimization of Turbine Blades”. Materials12(15), 2341 (2019). [10.3390/ma12152341]

3つの要点

✔️ 信頼性最適設計 (RBDO) にAIを応用する方法が検討されている。

✔️ ファジーマルチSVR学習法と呼ばれる機械学習ベースのモデルは、設計したタービンブレードの総合的な信頼度を向上させることに成功した。

✔️ 今後は機械学習手法の適用が設計分野に拡大され、機械的信頼性の設計手法と理論も強化される。

概説

設計×AI。近年発展が著しいこの分野から、また新たな実証例が発表された。タービンブレードの設計に際し、機械学習モデルのファジーマルチSVR学習法を用いることで、タービンブレードの総合的な信頼度を向上させることに成功したのだ。

ファジーマルチSVR学習法と呼ばれる機械学習ベースのRBDOアプローチは、ファジー理論、サポートベクトルマシン回帰(SVR)、およびマルチ応答曲面法の長所を吸収することによって提案された。

結果としてタービンブレードの応力と変形はそれぞれ92.38 MPaと0.09838 mm減少し、ブレードの総合的な信頼度は、95.4%から98.85%に3.45%改善された。

この研究の取り組みにより、複数故障構造の信頼性最適設計(RBDO)に対する新しい研究方法、つまり機械学習ベースの信頼性最適設計が有効であることが示された。これにより、機械学習手法の適用が拡大され、機械的信頼性の設計手法と理論も強化される。

著者

Chun-Yi Zhang,Ze Wang, Zhe-Shan Yuan ,Jing-Shan Wei (School of Mechanical and Power Engineering, Harbin University of Science and Technology, Harbin 150080, China)

Cheng-Wei Fei (Department of Aeronautics and Astronautics, Fudan University, Shanghai 200433, China)

Wen-Zhong Tang (School of computer Science and Engineering, Beihang Unviersity, Beijing 100191, China)
email: cwfei@fudan.edu.cn

出版情報

Received: 19 June 2019 / Revised: 17 July 2019 / Accepted: 22 July 2019 / Published: 24 July 2019

Open Access This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license (http://creativecommons.org/licenses/by/4.0/).

Translating

PAGE TOP