サロゲートモデルを活用した熱交換器の設計最適化で性能を向上させる

熱交換器は自動車産業ではHVACシステム（換気・空調システム）など、様々な産業や用途で広く使用されています。より環境に優しいモビリティの追求と、より厳しい規制の強化に伴い、熱交換器システムは可能な限り効率的である必要があります。実際、電気自動車（EV）はエネルギー貯蔵能力が低く、熱交換器は貯蔵された全エネルギーの相当量を消費する可能性があり、EVの受容性にとって最も重要なパラメータの1つである航続距離を大幅に減少させてしまいます。そのため、ユニットの全体的な性能のわずかな改善でも、最終顧客だけでなく、メーカーにとっては画期的となります。

熱交換器の設計には幅広い許容範囲があり、熱交換器の形状を記述するパラメータの数は、設計が複雑になるにつれて急速に増加します。それに対応する数値シミュレーションは計算コストが非常に高いため、設計エンジニアはシステム改善のために数個の設計パラメータを繰り返し計算することしかできません。

そこで、Neural Concept社は、様々なトポロジーを持つ多様な熱交換器設計の性能をリアルタイムで予測できるサロゲートモデルを構築しました。

モデルが扱うトポロジーの異なる熱交換器形状の例

サロゲート・モデルは、システムの全体的な効率や、出口での温度と圧力の低下を非常に正確に予測することができます。エンジニアは、熱交換器の設計をリアルタイムで性能検証することで、様々な形状やトポロジーを効率的に反復できるようになりました。

テストセットに対するグローバル値の予測モデルのパフォーマンス

さらに、このモデルはボリューム内の流れも予測するため、エンジニアは現象をより直感的に理解することができます。サロゲートモデルに加えて、Neural Concept Stuidoの最適化ライブラリーが使用され、最終設計に大幅な改善をもたらしました。

熱交換器外表面におけるサロゲートモデル予測とCFDの比較

モーフィング技術によるジオメトリの最適化