Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

A Novel and Affordable Multi-Fidelity Deep Neural Network Uncertainty Quantification/Robust Optimization Design Framework for Industrial Turbomachinery

Descrizione del progetto

Un nuovo quadro di riferimento supporta la progettazione della turbomacchina multistadio più ecologica del futuro

Le turbomacchine sono apparecchiature che trasferiscono energia attraverso l’espansione o la compressione di un fluido in continuo movimento tramite pale rotanti e comprendono turbine e compressori. La turbomacchina multistadio sfrutta diversi cicli di tale espansione o compressione in una serie per ottenere una differenza di pressione molto elevata dall’ingresso all’uscita. Con il supporto del programma di azioni Marie Skłodowska-Curie, il progetto MENTOR sta sviluppando una struttura di rete neurale profonda che modellerà gli effetti dell’incertezza sulle prestazioni della turbomacchina multistadio nelle fasi avanzate della sua progettazione. Turbine e compressori ottimizzati con maggiore efficienza sosterranno gli obiettivi europei in materia di neutralità carbonica e sostenibilità.

Obiettivo

"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."

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

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

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) H2020-MSCA-IF-2020

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

IMPERIAL COLLEGE OF SCIENCE TECHNOLOGY AND MEDICINE
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 212 933,76
Indirizzo
SOUTH KENSINGTON CAMPUS EXHIBITION ROAD
SW7 2AZ London
Regno Unito

Mostra sulla mappa

Regione
London Inner London — West Westminster
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 212 933,76
Il mio fascicolo 0 0