Att utveckla nya sätt att mäta turbulenta flöden som är mer effektiva och tillförlitliga är huvudsyftet med NEXTFLOW -forskningsprojektet vid Universidad Carlos III de Madrid (UC3M), finansieras av ett ERC -startbidrag från Europeiska unionen. Dessa tekniker, som använder sig av ny utveckling inom artificiell intelligens och datamining, kan användas för att förbättra transportmedlets aerodynamik och minska deras miljöpåverkan.

En av de nuvarande utmaningarna som aerodynamik står inför är att förbättra tekniker för att karakterisera och kontrollera beteendet hos turbulenta flöden (vätskans rörelse som sker runt en flygplansvinge, till exempel). "De är kaotiska, med komplex dynamik som gör det svårt att helt förstå deras beteende med hjälp av de tekniker som för närvarande finns tillgängliga för oss, "förklarar NEXTFLOW -projektkoordinatorn, Stefano Discetti, från UC3M:s institution för bioingenjör och rymdteknik.

Optimering av strategier för att mäta turbulenta flöden är en nyckelelement i dagens industri på grund av den kritiska roll som turbulens spelar i många industriella tillämpningar. I detta avseende, att få mer exakt information om dess dynamik skulle göra det möjligt för oss att använda den i verkliga sammanhang, som inom transportsektorn. Turbulenta flöden påverkar krafterna som motsätter sig alla typer av fordons rörelse, till exempel, som bilar, flygplan eller fartyg, så att förstå dem bättre kan bidra till att förbättra deras prestanda och minska deras påverkan på miljön, konstaterar forskarna.

För närvarande, tekniker för att mäta turbulent flöde i experiment ger endast "en delvis beskrivning av deras hastighet, temperatur, eller tryck, "säger Stefano Discetti. Målet för detta nya ERC -projekt är att använda artificiell intelligens och data miningsteknik för att utveckla en ny generation mätverktyg så att en mer fullständig beskrivning av deras dynamiska beteende kan erhållas, och sedan ha mer information om hur man kontrollerar dem.

En av metoderna som används är volymetrisk partikelbildshastighet, vilket gör det möjligt att få en 3D -rekonstruktion av en vätskas rörelse efter partiklarnas rörelse, synliggjord av ett laserljus. Inom ramen för denna forskning, forskare hoppas kunna använda data från högprovningsfrekvenspunktsonder för att komplettera 3D-beskrivningen med dynamik i tid. Dessutom, algoritmer baserade på artificiell intelligens kommer att utvecklas för att förbättra noggrannheten för partikelbildhastighetsteknik. I ett färskt arbete publicerat av dessa UC3M -forskare i Experimentell termisk och flytande vetenskap tidning, de presenterade ett nytt tillvägagångssätt baserat på datamining för att uppnå detta mål.

Hög precision och tidsupplösta mätningar kommer att användas för att erhålla tryckfält genom att tillämpa grundläggande vätskemekaniska ekvationer. Med detta, de hoppas kunna definiera kompakta modeller som kan användas för att exakt beskriva flödesbeteende och utveckla styrlogik. "Dessa resultat kan ge nya verktyg som har potential att överbrygga klyftan mellan laboratorieexperiment och karakterisering och kontroll av flöden i verkliga applikationer, vilket kan leda till förbättringar i processer och minska miljöpåverkan från olika industrisektorer, särskilt flygindustrin, "konstaterar Stefano Discetti.