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

Informacje na temat projektu

MENTOR

Identyfikator umowy o grant: 101029472

DOI

10.3030/101029472

Realizacja projektu zakończyła się 30 Kwietnia 2024

Data podpisania przez KE 12 Kwietnia 2021

Data rozpoczęcia 1 Lipca 2022

Data zakończenia 30 Czerwca 2024

Finansowanie w ramach

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Koszt całkowity

€ 212 933,76

Wkład UE

€ 212 933,76

Koordynowany przez

IMPERIAL COLLEGE OF SCIENCE TECHNOLOGY AND MEDICINE
United Kingdom

CORDIS oferuje możliwość skorzystania z odnośników do publicznie dostępnych publikacji i rezultatów projektów realizowanych w ramach programów ramowych HORYZONT.

Odnośniki do rezultatów i publikacji związanych z poszczególnymi projektami 7PR, a także odnośniki do niektórych konkretnych kategorii wyników, takich jak zbiory danych i oprogramowanie, są dynamicznie pobierane z systemu OpenAIRE .

Publikacje

Peer reviewed articles (4)

High-Dimensional Uncertainty Quantification of High-Pressure Turbine Vane Based on Multifidelity Deep Neural Networks

Autorzy: Zhihui Li, Francesco Montomoli, Nicola Casari, Michele Pinelli
Opublikowane w: Journal of Turbomachinery, Numer Nov 2023, 145(11): 111009 (9 pages), 2023, ISSN 0889-504X
Wydawca: ASME
DOI: 10.1115/1.4063391

Aleatory uncertainty quantification based on multi-fidelity deep neural networks

Autorzy: Zhihui Li, Francesco Montomoli
Opublikowane w: Reliability Engineering & System Safety, Numer Volume 245, May 2024, 109975, 2024, ISSN 0951-8320
Wydawca: Elsevier BV
DOI: 10.1016/j.ress.2024.109975

Investigation of Compressor Cascade Flow Using Physics-Informed Neural Networks with Adaptive Learning Strategy

Autorzy: Zhihui Li, Francesco Montomoli and Sanjiv Sharma
Opublikowane w: AIAA Journal, 2024, ISSN 1533-385X
Wydawca: American Institute of Aeronautics and Astronautics
DOI: 10.2514/1.j063562

Numerical Simulations and Design Optimization of Compressor Cascade Flow Using One Equation and Wray-Agarwal Turbulence Model

Autorzy: Zhihui Li, Ramesh K. Agarwal
Opublikowane w: International Journal of Computational Fluid Dynamics, Numer 36.8 (2022): 705-718, 2022, ISSN 1061-8562
Wydawca: Taylor & Francis
DOI: 10.1080/10618562.2023.2187050

Conference proceedings (1)

High-Dimensional Uncertainty Quantification of High-Pressure Turbine Vane Based on Multi-Fidelity Deep Neural Networks

Autorzy: Zhihui Li, Francesco Montomoli, Nicola Casari, Michele Pinelli
Opublikowane w: ASME Turbo Expo 2023: Turbomachinery Technical Conference and Exposition, Numer GT2023-101698, V13DT34A007, 2023, ISBN 978-0-7918-8711-0
Wydawca: The American Society of Mechanical Engineers
DOI: 10.1115/gt2023-101698