Development of advanced AI-based segmentation and prediction method for air entrainment in plunging water jets

AIを用いた噴流中の空気巻き込み予測手法の開発

Zhou, W.*; 三輪 修一郎*; 山下 晋   ; 岡本 孝司*

Zhou, W.*; Miwa, Shuichiro*; Yamashita, Susumu; Okamoto, Koji*

原子力工学や水力工学の分野では、噴流によって引き起こされる空気の巻き込み現象を理解することが重要である。空気巻込みは、原子力システムの重要な安全設計パラメータの1つである。しかしながら、既存研究のほとんどは、気泡の侵入深さを推定するための経験的相関式やカーブフィッティングモデルに依存しており、様々なジェット条件に対する合意された計算原理は存在しない。この問題に対処するため、本研究では、2つの先進的なAIアプローチを開発した。すなわち、空気巻き込みをセグメント化するための改良型YOLOv5と、気泡侵入深さを予測するためのNSGA-III-BPNN法である。改良型YOLOv5は、多様な条件下での空気巻き込み運動とダイナミクスのリアルタイムなセグメンテーションと抽出を可能にし、高いスケーラビリティとロバスト性を実証した。改良型YOLOv5を用いて推定された侵入深度は、従来の経験的相関と比較して高い精度を示し、動的な空気巻き込みパターンに基づく形状レジームを分類するための従来の画像後処理技術よりも効率的である。一般的にビデオや画像データに依存する物体セグメンテーションの限界を克服するために、NSGA-III-BPNN法はYOLOv5よりも高い精度で最大侵入深度を予測する。YOLOv5よりも高い精度で最大侵入深度を予測し、空気巻き込み侵入深度のより効果的な予測モデルを提供する。高度なAI技術を活用することで、この研究は、数値流体力学(CFD)モデリングを改良するための貴重なセグメンテーションデータを提供するだけでなく、原子力工学と水力工学の両分野における重要な進歩への道を開くものである。

Understanding air entrainment phenomena induced by plunging water jets is critical in the fields of nuclear and hydraulic engineering. Air entrainment is one of the key safety design parameters for nuclear systems. However, most existing studies rely on empirical correlations or curve-fitting models to estimate bubble penetration depth, and no agreed-upon calculation principle exists for varying jet conditions. To address these limitations, this research developed two advanced AI approaches: an improved YOLOv5 for segmenting air entrainment and the NSGA-III-BPNN method for predicting penetration depth. The improved YOLOv5 enables real-time segmentation and extraction of air entrainment motion and dynamics under diverse conditions, demonstrating high scalability and robustness. The penetration depth estimated using the improved YOLOv5 shows greater accuracy compared to conventional empirical correlations and is more efficient than traditional image post-processing techniques for classifying shape regimes based on dynamic air entrainment patterns. To overcome the limitations of object segmentation, which typically relies on video or image data, the NSGA-III-BPNN method predicts maximum penetration depths with greater accuracy than YOLOv5, offering a more effective prediction model for air entrainment penetration depth. By leveraging advanced AI techniques, the research not only provides valuable segmentation data for refining computational fluid dynamics (CFD) modeling but also paves the way for significant advancements in both nuclear and hydraulic engineering.