Projektbeschreibung
Ein neuartiger Rahmen unterstützt den Entwurf der ökologischeren mehrstufigen Turbomaschinen von morgen
Turbomaschinen sind Geräte, die Energie durch die Expansion oder Kompression eines sich kontinuierlich bewegenden Fluids über rotierende Schaufeln übertragen, und sie umfassen Turbinen und Kompressoren. Mehrstufige Turbomaschinen nutzen mehrere Zyklen einer solchen Expansion oder Kompression in einer Reihe, um eine sehr hohe Druckdifferenz vom Einlass zum Auslass zu erreichen. Mit Unterstützung der Marie-Skłodowska-Curie-Maßnahmen wird im Projekt MENTOR ein tiefes neuronales Netzwerk erstellt, das die Auswirkungen von Unsicherheiten auf die Leistung mehrstufiger Turbomaschinen in den fortgeschrittenen Phasen des Entwurfs mehrstufiger Turbomaschinen modellieren wird. Optimierte Turbinen und Kompressoren mit höheren Wirkungsgraden werden Europas Ziele in Bezug auf Klimaneutralität und Nachhaltigkeit unterstützen.
Ziel
"This fellowship aims to train a talented early career researcher and to contribute to the EU scientific excellence by developing an innovative Multi-fidelity dEep neural Network uncerTainty quantificatiOn and Robust optimization design (MENTOR) framework in order to handle the high dimensionality (HD) uncertain problems in the advanced multistage turbomachinery design process. The applicant is a highly dedicated and motivated young researcher and has been stimulated to propose this novel idea. He has been successively honoured with several prestigious awards including the National Scholarship for PhD Candidate, Excellent PhD Graduates of Beijing, Excellent Doctoral Dissertations Award of Beijing and ASME Young Engineer Turbo Expo Travel Award attributed to his excellent research achievement in cost-efficient uncertainty quantification (UQ) studies.
The traditional UQ methods can hardly control the computation cost for predicting the higher-order moments of multistage turbomachinery performance considering HD input uncertainties. The deep learning technology is a promising approximator in predicting the HD function. Integration of multi-fidelity (MF) methodology with deep neural network (DNN) can further combine their complementary merits. Thus, the novel MF-DNN method is proposed here and its effectiveness in handling a 60-dimensional test function has been preliminarily validated in the Incoming Researcher's recent work. Through this research fellowship, an affordable MENTOR framework will be finally established to investigate the multi-source uncertainty effects on multistage turbomachinery performance. This project has been carefully designed to match the applicant's profile with the strength of Imperial's UQ Lab, and thus will facilitate excellent two-way knowledge transfer and training activities. Successful completion of this fellowship will contribute to achieving the goal of the EU's ""Green Deal"" and will benefit the applicant's academic career prospect."
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- NaturwissenschaftenMathematikangewandte Mathematikmathematische Physik
- NaturwissenschaftenMathematikangewandte Mathematikdynamische Systeme
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles LernenDeep Learning
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche IntelligenzComputational Intelligence
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) H2020-MSCA-IF-2020
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordinator
SW7 2AZ LONDON
Vereinigtes Königreich