[論文レビュー] Free Form Deformation, mesh morphing and reduced order methods: enablers for efficient aerodynamic shape optimization

Filippo Salmoiraghi, Angela Scardigli+2 more|arXiv (Cornell University)|Mar 13, 2018

Model Reduction and Neural Networks参考文献 31被引用数 8

ひとこと要約

本論文は、自由形式変形（FFD）を用いた幾何パラメータ化と、2つの固有直交分解（POD）に基づくモデル簡略化手法—POD補間（PODI）とドメイン分割POD（DD-POD）—を統合した、効率的な空力形状最適化のための低次元モデリングパイプラインを提示する。このフレームワークは、高精度RANSシミュレーションの高速化を実現し、オンライン段階で最大10⁷倍の高速化を達成するとともに、圧力および壁上せん断応力の再構成で2%未満の誤差、工業的スケールの空力問題における抗力係数で0.5%未満の誤差を維持する。

ABSTRACT

The work provides an integrated pipeline for the model order reduction of turbulent flows around parametrised geometries in aerodynamics. In particular, Free-Form Deformation is applied for geometry parametrisation, whereas two different reduced-order models based on Proper Orthogonal Decomposition (POD) are employed in order to speed-up the full-order simulations: the first method exploits POD with interpolation, while the second one is based on domain decomposition. For the sampling of the parameter space, we adopt a Greedy strategy coupled with Constrained Centroidal Voronoi Tessellations, in order to guarantee a good compromise between space exploration and exploitation. The proposed framework is tested on an industrially relevant application, i.e. the front-bumper morphing of the DrivAer car model, using the finite-volume method for the full-order resolution of the Reynolds-Averaged Navier-Stokes equations.

研究の動機と目的

• RANSに基づく空力形状最適化の高い計算コストに対処する。10³回のシミュレーションでは、1回あたり10²〜10⁴CPU時間の計算を要するため、費用が50万ユーロを超えることがある。
• フルオーダーのシミュレーションの限界を克服し、パrametrized幾何形状の近似リアルタイム評価を可能にするモデル簡略化（MOR）フレームワークを開発する。
• 自由形式変形（FFD）による幾何パラメータ化と、2つの異なる低次元モデリング戦略を統合し、効率的なサンプリングとオンライン評価を可能にする。
• 高レイノルズ数の流れ、回転するホイール、複雑な幾何形状を有する工業的ベンチマーク—DrivAer自動車モデル—でフレームワークを検証する。
• ソルバ固有のコードに依存を最小限に抑えることで、商業用ソルバとの互換性を確保し、工学的設計プロセスへの広範な統合を可能にする。

提案手法

• DrivAer自動車モデルの幾何形状を、フロントバンパーを取り囲む制御格子を変形することで、自由形式変形（FFD）を用いてパラメータ化し、滑らかで連続的な形状変化を可能にする。
• 制約付き重心ボロノイタイル化（CCVT）を用いたグリーディ採番戦略を採用し、パrameter空間を効率的に探索・活用することで、高精度シミュレーションの必要数を最小限に抑える。
• 非構造メッシュ（10⁷〜10⁸要素）上でのRANS方程式のOpenFOAMシミュレーションから得られる高精度解のデータベースを構築する。
• 2つの低次元モデルを実装する：(1) POD補間（PODI）はフルオーダーのソルバをブラックボックスとして扱い、(2) ドメイン分割POD（DD-POD）は領域を分割し、局所的なPODモードを用いることで精度を向上させる。
• オンライン評価では、低次元基底を用いて圧力、速度、壁上せん断応力、抗力係数を再構成し、ベースライン設定に対する誤差ノルムを計算する。
• 誤差推定に基づき、反復的に新たな高精度解をデータベースに追加するグリーディな拡張戦略を用い、低次元モデルの収束を保証する。

実験結果

リサーチクエスチョン

• RQ1 自由形式変形（FFD）は、空力最適化のための複雑な自動車幾何形状に対して、効果的で滑らかなパラメータ化を提供できるか？
• RQ2 高精度RANSシミュレーションの乱流流れを簡略化する際、POD補間（PODI）とドメイン分割POD（DD-POD）は、精度と計算効率においてどのように比較されるか？
• RQ3 工業的スケールの問題において、正確な低次元モデルの構築を保証しつつ、高精度シミュレーションの回数を最小限に抑える最適なサンプリング戦略は何か？
• RQ4 トレーニングデータベース外の状態において、低次元モデルが圧力、壁上せん断応力、抗力係数といった主要な空力出力をどれほど正確に再構成できるか？
• RQ5 提案されたフレームワークは、フルオーダーのソルバへのアクセスを最小限に抑えられるか？これにより、商業用CFDソフトウェアへの統合が可能になるか？

主な発見

• 提案されたパイプラインは、PODI法においてオンライン段階で最大10⁷倍の高速化を達成した。一方、DD-POD法では約10倍の高速化を示し、顕著な計算的利得が得られた。
• データベース外の最悪な設定において、圧力再構成の相対誤差はPODIで1.7%、DD-PODで1.9%であり、壁上せん断応力の誤差は両手法で4.2%であった。
• 抗力係数は両手法とも0.5%未満の誤差で予測されており、表面積分により局所的な場の再構成誤差が相殺されることを示している。
• 速度場および壁上せん断応力場の誤差は、大きさと方向の両方の正確な再構成を要するベクトル場の性質のため、圧力よりも高くなった。
• CCVTを用いたグリーディ採番戦略により、パrameter空間の効果的探索が可能となり、高精度シミュレーションの必要数を削減しながらもモデルの精度を維持した。
• フレームワークは商業用CFDソルバと完全に互換性がある：PODIはフルオーダーのソルバをブラックボックスとして扱い、DD-PODは実行時における境界条件へのアクセスのみを要する。これにより、広範な産業的応用が可能となった。