逆解法設計を用いたターボ機械設計最適化と従来設計との比較

自動最適化は、体系化された方法で設計空間を自動的に探索するために、ターボ機械の設計最適化プロセスでよく使用されます。

逆解法設計とは？

特定の形状とCFDによって予測された流れ場の評価を繰り返し試行錯誤する従来の
「直接法」とは異なり、ADTの3次元逆解法設計は、3次元圧力場の観点でどのような
流体の流れにしたいかを特定することから始まり、その結果を達成するための
最適な形状を導き出します。これにより、設計にかかる時間が大幅に短縮されます。

自動最適化は、手作業による最適化と比較した場合、広い設計空間の領域をカバーできるという点で多くの利点を提供しますが、その有効性は、翼をパラメータ化する手段に大きく依存します。

直接法、すなわち従来設計法では、主な変数は翼形状自体であり、これは通常、
翼表面のパラメータ化、または翼キャンバー線に様々な2次元断面形状の羽根厚さを加える事で
パラメータ化されます。そして、これら断面を積み重ねて3次元形状を形成します。

3次元逆解法設計で行われるように、主な設計変数としての翼負荷をパラメータ化することと
比較すると、従来設計法における翼形状の直接パラメータ化は、最適化工程において多くの
欠点があり、計算コストが高く、現実的ではありません。

2種類のパラメータ化方法の主な違い

	直接法	逆解法
翼形状のパラメータ化	完全3次元翼形状を作成するためには、30〜100ものパラメータが必要です。パラメータの数を減らすと、設計空間が大幅に制限されます。	翼負荷による完全3次元翼形状のパラメータ化では最大8個の設計パラメータのみ、子午面形状に対しては4個程度のパラメータのみになります。このパラメータ数において、直接法と比較して、設計空間の大部分がすでにカバーされます。
翼表面の滑らかさ	生成された形状は、スパン方向に滑らかでないサーフェスの可能性があり、形状生成工程に続くチェックまたは後処理が必要になります。	翼形状のサーフェスは滑らかです。ソルバーは、指定した子午面形状と羽根厚さに基づいて形状を自動的に再作成します。
製品の仕様	正しい質量流量での製品の仕様（ヘッド/圧力比）が、生成された形状が満たしているという保証はありません。これは、最適化の制約条件として設定する必要があります。	必要な質量流量による仕様はソルバーへの入力項目であるため、生成されたすべての形状は自動的にこの仕様を満たします。
流れ場に関する情報	性能に関する指標を得るには、CFDまたはその他の解析コードで各形状を分析して、表面圧力、速度または損失、効率などの基本データを抽出する必要があります。	10〜15秒で逆解法設計により、形状と共に設計点での完全3次元非粘性流れ場が得られます。基本的な流れ場の要件は、CFDの介入なしで最適化を直接実行できます。形状や流れ場データと、拡散係数、エンドウォールロス、プロファイルロス、チップクリアランス、二次流れなどの流れ現象との間の多くの相関関係が開発されており、最適化でこれらのパラメータを目的関数または制約条件として直接考慮可能です。
よりシンプルな目的関数の表現	形状は効率、ブロッケージ、キャビテーションなどの性能パラメータとは強い非線形関係にあります。	翼負荷/圧力分布と、損失やキャビテーションなどの性能パラメータとの間には、直接的な関係があります。これにより、性能パラメータを設計パラメータに関連付ける目的関数の表現が簡単になり、最大値・最小値をより迅速に見つけることができます。
最適化結果の一般性	最適化結果は翼形状そのものになり、異なる設計条件やサイジングに対してさえ一般化するのが難しくなります。	最適化によって得られるものは、一般性のある翼負荷です。遠心インペラの二次流れ抑制、斜流ポンプのキャビテーション制御、高効率低騒音のファンに最適な翼負荷はさまざまな設計に対して一般的に適用できることがわかっています。最適化しながらノウハウを構築することができます。
計算コスト	設計パラメータの数が多く、設計仕様を直接制御できず、CFDを実行して基本的な性能指標などの情報を算出する必要があるため、このアプローチは日常の設計工程において非常にコストがかかります。	設計パラメータの数が少なく、設計要件を満たすことが保証され、設計パラメータと設計仕様目標の間の相関が向上するため、設計ノウハウを構築でき、それを日常の設計工程に適用できる実用的な手法になります。

ターボ機械の自動最適化と3次元逆解法設計を組み合わせると、設計ノウハウを簡単に
蓄積および伝達できるという大きなメリットがあります。経験豊富な設計者であれば、
このアプローチを日常業務で使用することで、相反する設計目標（ファンの効率と
ノイズ、ポンプの効率とキャビテーション抑制、コンプレッサーの効率と発生応力など）
のトレードオフを迅速に視覚化し、顧客またはプロジェクトの仕様の範囲内で、
ターボ機械の設計最適化するプロセスを大幅に時間短縮することができます。