Kunstig intelligens og data mining bliver brugt til at måle aerodynamiske strømme

At udvikle nye måder at måle turbulente strømme på, som er mere effektive og pålidelige, er hovedformålet med NEXTFLOW-forskningsprojektet ved Universidad Carlos III de Madrid (UC3M), finansieret af et ERC Starting Grant fra Den Europæiske Union. Disse teknikker, som bruger nye udviklinger inden for kunstig intelligens og data mining, kan bruges til at forbedre aerodynamikken i transportmidler og reducere deres miljøpåvirkning.

En af de aktuelle udfordringer, som aerodynamikken står over for, er at forbedre teknikker til at karakterisere og kontrollere adfærden af ​​turbulente strømme (den væskebevægelse, der opstår omkring en flyvinge, for eksempel). "De er kaotiske, med kompleks dynamik, som gør det vanskeligt at forstå deres adfærd fuldstændigt ved hjælp af de teknikker, der er tilgængelige for os i øjeblikket, " forklarer NEXTFLOW-projektkoordinatoren, Stefano Discetti, fra UC3M's Institut for Bioteknik og Luftfartsteknik.

Optimering af strategier til at måle turbulente strømme er et nøgleelement i nutidens industri på grund af den kritiske rolle, som turbulens spiller i mange industrielle applikationer. I denne forbindelse at opnå mere præcis information om dens dynamik ville give os mulighed for at bruge den i virkelige sammenhænge, som i transportsektoren. Turbulente strømme påvirker de kræfter, der modarbejder bevægelsen af ​​alle typer køretøjer, for eksempel, såsom biler, fly eller skibe, så en bedre forståelse af dem kan hjælpe med at forbedre deres ydeevne og reducere deres indvirkning på miljøet, konstaterer forskerne.

Indtil videre, teknikker til måling af turbulent flow i eksperimenter giver kun "en delvis beskrivelse af deres hastighed, temperatur, eller tryk, " fastslår Stefano Discetti. Dette nye ERC-projekts mål er at bruge kunstig intelligens og datamining-teknikker til at udvikle en ny generation af måleværktøjer, så en mere fuldstændig beskrivelse af deres dynamiske adfærd kan opnås, og derefter have flere oplysninger om, hvordan man kontrollerer dem.

En af de anvendte metoder er volumetrisk partikel billedhastighed, som gør det muligt at opnå en 3D-rekonstruktion af en væskes bevægelse efter partiklernes bevægelse, synliggjort af et laserlys. Inden for rammerne af denne forskning, videnskabsmænd håber at bruge data leveret af punktsonder med høj samplingsfrekvens til at supplere 3D-beskrivelsen med dynamik i tid. Ud over dette, algoritmer baseret på kunstig intelligens vil blive udviklet for at forbedre nøjagtigheden af ​​partikelbilledhastighedsteknikken. I et nyligt værk offentliggjort af disse UC3M-forskere i Eksperimentel termisk og væskevidenskab tidsskrift, de præsenterede en ny tilgang baseret på datamining for at nå dette mål.

Højpræcisions- og tidsopløste målinger vil blive brugt til at opnå trykfelter ved at anvende fundamentale fluidmekaniske ligninger. Med dette, de håber at kunne definere kompakte modeller, der kan bruges til at beskrive flowets adfærd nøjagtigt og udvikle kontrollogikker. "Disse resultater kunne give nye værktøjer, der har potentialet til at bygge bro mellem laboratorieforsøg og karakterisering og kontrol af flows i virkelige applikationer, som kunne føre til en forbedring af processerne og reducere miljøpåvirkningen fra forskellige industrisektorer, især luftfartsindustrien, " bemærker Stefano Discetti.