Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

Machine Learning for Structural Integrity Assessments

Description du projet

Améliorer l’efficacité opérationnelle et la sécurité par l’évaluation de l’intégrité structurelle

La production d’énergie verte est particulièrement exigeante du point de vue de l’efficacité opérationnelle. Il est difficile d’apprécier les coûts associés et la consommation d’énergie découlant de la dégradation des matériaux dans des conditions d’exploitation difficiles. La dégradation des matériaux résulte de mécanismes de dommages complexes et interdépendants. Le projet ALIAS, financé par l’UE, aura recours à l’apprentissage automatique pour améliorer la compréhension fondamentale de la dégradation des matériaux. L’évaluation de l’intégrité structurelle (EIS) est un indicateur essentiel de la capacité des composants clés. Les méthodes actuelles d’EIS peuvent être améliorées par une meilleure compréhension de la façon dont les dommages aux matériaux affectent les performances des composants. Cela permet de réduire le conservatisme et d’augmenter la production d’énergie tout en maintenant la sécurité.

Objectif

The continued safe operation of critical infrastructure is key in ensuring economic prosperity. The drive towards carbon neutrality presents significant challenges to engineers as increasing operational efficiency often results in harsh, unfavourable operating conditions (e.g. offshore wind turbines). The cost of implementing more efficient processes is a reduction in materials performance resulting in prohibitively short component lifetimes. The challenge facing engineers lies in improving the structural integrity assessment (SIA) methods. Current SIA methods are predominately stress-based and thus, inherently dominated by the yield strength of the component material. Non-linear materials such as steels typically fail by strain induced plasticity where significant additional energies are adsorbed prior to fracture. Strain-based assessments contain considerable built in conservatisms that have not yet been explored. The principal aims of this fellowship application are to develop more advanced SIA methods by considering conservatisms in existing stress-based and strain-based approaches and to exploit recent advances in machine learning to identify and predict key parameters influencing transformative damage in fracture toughness testing. The fundamental understanding of material damage generated in this work will reduce knowledge gaps currently impeding SIA improvement. The benefits of this work include advances to multiple international codes and standards, the continued safe operation of aging critical infrastructure, longer more realistic estimated lifetimes for new components and, significant industrial cost savings through enhanced component design, reduced maintenance cost and reduction in early structure retirement.

Champ scientifique (EuroSciVoc)

CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.

Vous devez vous identifier ou vous inscrire pour utiliser cette fonction

Mots‑clés

Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).

Programme(s)

Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.

Thème(s)

Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.

Régime de financement

Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.

MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.

(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2020

Voir tous les projets financés au titre de cet appel

Coordinateur

UNIVERSITY OF LIMERICK
Contribution nette de l'UE

La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.

€ 184 590,72
Adresse
NATIONAL TECHNOLOGICAL PARK, PLASSEY
- Limerick
Irlande

Voir sur la carte

Région
Ireland Southern Mid-West
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total

Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.

€ 184 590,72
Mon livret 0 0