Optimization of Combustion Chamber Geometry Using Machine Learning Based on Numerical Analysis of Mixture Formation in Direct Injection Hydrogen Engines
CFD数値解析による混合気形成の分析に基づく機械学習を活用した直噴水素エンジンの燃焼室形状の最適化
- Delivery
- Available on this site
- Format
- Price
- Non-members (tax incl.)：￥1,100 Members (tax incl.)：￥880
- Publication code
- 20266021
- Paper/Info type
- Proceedings (Autumn)
No.96-26
- Pages
- 1-5(Total 5 p)
- Date of publication
- Oct 2026
- Publisher
- JSAE
- Language
- Japanese
- Event
- 2026 JSAE Annual Congress (Autumn)
Detailed Information
| Author(J) | 1) 箕田 賢太郎, 2) 新村 暢大, 3) 及川 昌訓, 4) 塚本 翔太, 5) 宮本 世界, 6) 三原 雄司, 7) 高木 靖雄 |
|---|---|
| Author(E) | 1) Kentaro Minoda, 2) Nobuhiro Shimmura, 3) Masakuni Oikawa, 4) Shota Tsukamoto, 5) Sekai Miyamoto, 6) Yuji Mihara, 7) Yasuo Takagi |
| Affiliation(J) | 1) 東京都市大学大学院, 2) 東京都市大学大学院／川崎重工業, 3) 東京都市大学, 4) 東京都市大学大学院, 5) 川崎重工業, 6) 東京都市大学, 7) 東京都市大学 |
| Affiliation(E) | 1) Tokyo City University, 2) Tokyo City University/Kawasaki Heavy Industries, 3) Tokyo City University Research Center for High Efficiency Hydrogen Engine and Engine Tribology ( HEET ), 4) Tokyo City University, 5) Kawasaki Heavy Industries, 6) Tokyo City University Research Center for High Efficiency Hydrogen Engine and Engine Tribology ( HEET ), 7) Tokyo City University |
| Abstract(J) | 水素エンジンの高熱効率かつ低エミッションを実現するためには，燃焼室形状をはじめとする混合気形成の最適化が重要である．本研究では，混合気形成に対して均質度など3つの指標を設定し，機械学習を用いてこれらを定量的に評価することで，燃焼室形状の最適化を行った．さらに，その妥当性を実験的に評価した． Translation |
| Abstract(E) | To achieve high thermal efficiency and low emissions in hydrogen engines, optimization of mixture formation, including combustion chamber geometry, is essential. In this study, three indices, including mixture homogeneity, were defined to evaluate mixture formation, and combustion chamber geometry was optimized by quantitatively assessing these indices using machine learning. Furthermore, the validity of the proposed approach was experimentally validated. |
