[論文レビュー] Multidiscipinary Optimization For Gas Turbines Design

Francesco Bertini, Lorenzo Dal Mas+2 more|arXiv (Cornell University)|Feb 3, 2014

Advanced Multi-Objective Optimization Algorithms参考文献 6被引用数 3

ひとこと要約

本論文は、勾配ベース、メタヒューリスティック、および応答面モデル手法を統合した多分野最適化フレームワークを、航空発動機由来の低圧タービン（LPT）向けに提示している。具体的には、人工蜂群最適化（ABC）、多目的遺伝的多様性進化アルゴリズム（GDEA）、およびニューラルネットワークベースの応答面モデルを含む。この手法により、ハイブリダイゼーションと並列化によって収束性と解の品質が向上し、実際の初期設計ベンチマークで検証された。

ABSTRACT

State-of-the-art aeronautic Low Pressure gas Turbines (LPTs) are already characterized by high quality standards, thus they offer very narrow margins of improvement. Typical design process starts with a Concept Design (CD) phase, defined using mean-line 1D and other low-order tools, and evolves through a Preliminary Design (PD) phase, which allows the geometric definition in details. In this framework, multidisciplinary optimization is the only way to properly handle the complicated peculiarities of the design. The authors present different strategies and algorithms that have been implemented exploiting the PD phase as a real-like design benchmark to illustrate results. The purpose of this work is to describe the optimization techniques, their settings and how to implement them effectively in a multidisciplinary environment. Starting from a basic gradient method and a semi-random second order method, the authors have introduced an Artificial Bee Colony-like optimizer, a multi-objective Genetic Diversity Evolutionary Algorithm [1] and a multi-objective response surface approach based on Artificial Neural Network, parallelizing and customizing them for the gas turbine study. Moreover, speedup and improvement arrangements are embedded in different hybrid strategies with the aim at finding the best solutions for different kind of problems that arise in this field.

研究の動機と目的

• 最新の航空発動機由来低圧タービン（LPT）における改善余地が狭い理由（設計成熟度の高さに起因）を解消すること。
• 複雑な多目的タービン設計問題に対して、初期設計（PD）段階で高度な最適化戦略を開発・実装すること。
• 勾配ベース、メタヒューリスティック、および応答面モデル手法を統合・カスタマイズし、ガスタービン分野における有効な多分野設計最適化（MDO）を実現すること。
• 最適化アルゴリズムのハイブリダイゼーションと並列化により、解の品質と収束速度を向上させること。
• 実際の産業関連のLPT設計ベンチマークを用いて、これらの手法の有効性を示すこと。

提案手法

• 多分野設計空間における局所最適化のベースラインとして勾配ベース手法を採用した。
• 基本的な勾配アプローチよりも収束性を向上させるために、半ランダムな2次手法を実装した。
• 非凸な設計空間を効果的に探索できるように、人工蜂群（ABC）に類似した最適化手法を導入した。
• 遺伝的多様性を維持し、パレート最適解を特定できるように、多目的遺伝的多様性進化アルゴリズム（GDEA）を適用した。
• 複雑な性能マップを近似するために、人工ニューラルネットワーク（ANN）を用いた多目的応答面モデルを開発した。
• アルゴリズムをハイブリダイズおよび並列化することで、さまざまな設計シナリオにおいて収束を加速し、耐障害性を向上させた。

実験結果

リサーチクエスチョン

• RQ1 勾配ベースとメタヒューリスティック最適化手法を効果的に統合することで、ガスタービン設計における収束性と解の品質をどのように向上させられるか？
• RQ2 ニューラルネットワークベースの応答面モデルを用いることで、多分野タービン最適化の精度と効率にどのような影響を与えるか？
• RQ3 進化アルゴリズムにおける遺伝的多様性の維持が、頑健でパレート最適なタービン設計の発見にどのように寄与するか？
• RQ4 最適化戦略のハイブリダイゼーションと並列化は、複雑な現実世界のLPT設計問題において、どの程度性能を向上させられるか？
• RQ5 多目的最適化フレームワークは、ガスタービン設計において効率、重量、耐久性といった対立する設計目標を効果的にバランスさせられるか？

主な発見

• ハイブリッド最適化フレームワークは、個別の手法と比較して、特に複雑な多目的設計空間において収束速度と解の品質が顕著に向上した。
• 人工蜂群に類似した最適化手法は、タービン幾何形状最適化で一般的に見られる非凸な設計空間を効果的に探索する強力な探索能力を示した。
• 多目的遺伝的多様性進化アルゴリズム（GDEA）は、集団内の多様性を高い水準で維持し、競合する目的にわたる均等に分布したパレートフロントの発見に寄与した。
• ANNベースの応答面モデルは、複雑な性能関係を効果的に近似し、計算コストを削減しながらも精度を保持した。
• 最適化パイプラインの並列化により、明確な高速化が達成され、初期設計段階における反復と評価が迅速化した。
• 複数の最適化戦略を統合した統一フレームワークは、実際のガスタービン設計問題における多分野的複雑性に対処する上で効果的であった。