[論文レビュー] Energy-Environment evaluation and Forecast of a Novel Regenerative turboshaft engine combine cycle with DNN application

Mahdi Alibeigi, Mohammadreza Sabzehali|arXiv (Cornell University)|Sep 24, 2022

Vehicle emissions and performance被引用数 5

ひとこと要約

本研究では、入口空気冷却を備えた新規の再生ターボシャフトエンジン併用サイクルを提案し、水素を燃料として用いてエネルギーおよび環境性能を評価する。625ニューロンを1層に持つ2隠れ層の深層ニューラルネットワーク（DNN）は、熱効率およびNOx排出量（NO + NO2）を精度よく予測し、学習データおよびテストデータの両方でR² > 0.99および低MSE、MAE、RMSDを達成した。

ABSTRACT

In this integrated study, a turboshaft engine was evaluated by adding inlet air cooling and regenerative cooling based on energy-environment analysis. First, impacts of flight-Mach number, flight altitude, the compression ratio of compressor-1 in the main cycle, the turbine inlet temperature of turbine-1 in the main cycle, temperature fraction of turbine-2, the compression ratio of the accessory cycle, and inlet air temperature variation in inlet air cooling system on some functional performance parameters of Regenerative turboshaft engine cycle equipped with inlet air cooling system such as power-specific fuel consumption, Power output, thermal efficiency, and mass flow rate of Nitride oxides (NOx) including NO and NO2 has been investigated via using hydrogen as fuel working. Consequently, based on the analysis, a model was developed to predict the energy-environment performance of the Regenerative turboshaft engine cycle equipped with a cooling air cooling system based on a deep neural network (DNN) with 2 hidden layers with 625 neurons for each hidden layer. The model proposed to predict the amount of thermal efficiency and the mass flow rate of nitride oxide (NOx) containing NO and NO2. The results demonstrated the accuracy of the integrated DNN model with the proper amount of the MSE, MAE, and RMSD cost function for both predicted outputs to validate both testing and training data. Also, R and R^2 are noticeably calculated very close to 1 for both thermal Efficiency and NOx emission mass flow rate for both validations of thermal efficiency and NOx emission mass flow rate prediction values with its training and its testing data.

研究の動機と目的

• 入口空気冷却を備えた新規の再生ターボシャフトエンジンサイクルのエネルギーおよび環境性能を評価すること。
• 飛行マッハ数、高度、圧縮比、タービン入口温度などの主要な運転パラメータがエンジン性能に与える影響を分析すること。
• エンジンサイクルにおける熱効率およびNOx排出量（NO + NO2）を予測するための深層ニューラルネットワーク（DNN）モデルの構築。
• 学習データおよびテストデータの両方で複数の統計的指標を用いてDNNモデルの予測精度を検証すること。
• 統合的エネルギー環境分析と機械学習予測を組み合わせることで、持続可能な航空エンジン設計を支援すること。

提案手法

• 入口空気冷却および水素燃料を備えた再生ターボシャフトエンジンサイクルについて、エネルギー環境分析を実施した。
• 主な設計および運転パラメータを変化させた：飛行マッハ数、飛行高度、圧縮比（コンプレッサー1）、タービン入口温度（タービン1）、タービン2の温度分率、アセスアリーサイクル圧縮比、および入口空気温度。
• 1層あたり625ニューロンを有する2隠れ層のDNNを構築し、熱効率およびNOx質量流量（NO + NO2）を予測した。
• 熱力学的分析から得られたシミュレーション生成データを用いて、DNNを学習およびテストした。
• モデル性能の最適化に、平均二乗誤差（MSE）、平均絶対誤差（MAE）、および平均二乗偏差（RMSD）を損失関数として使用した。
• 決定係数（R²）および相関係数（R）を用いて、学習データおよびテストデータの両方でモデルの汎化能力を評価した。

実験結果

リサーチクエスチョン

• RQ1 飛行マッハ数および高度は、再生ターボシャフトエンジンサイクルの熱効率およびNOx排出量にどのように影響するか？
• RQ2 圧縮比およびタービン入口温度は、出力電力および燃料消費量にどのような影響を及ぼすか？
• RQ3 入口空気冷却は、エンジンサイクル全体のエネルギーおよび環境性能にどのように影響するか？
• RQ4 深層ニューラルネットワークは、多様な運転条件下で熱効率およびNOx排出量（NO + NO2）を高精度に予測できるか？
• RQ5 DNNモデルは、未知のテストデータに対して、予測精度および汎化能力をどの程度有しているか？

主な発見

• DNNモデルは、学習データおよびテストデータの両方で、熱効率およびNOx排出量質量流量の予測においてR²が1に非常に近い値を達成した。
• 両出力の相関係数（R）も1に非常に近い値を示し、予測値と実測値の間で強い線形一致が確認された。
• MSE、MAE、RMSDの各指標についても、両出力ともに低値を示し、高い精度が確認された。
• DNNは、エンジン運転パラメータと性能指標の間の複雑な非線形関係を効果的に捉えた。
• テストデータにおけるモデルの性能は、学習データセットを超えた強固な汎化能力を裏付けた。
• 熱力学的分析とディープラーニングの統合により、先進的なターボシャフトエンジンにおけるエネルギーおよび環境性能の高精度な予測が可能になった。