Descripción del proyecto
Estrategias innovadoras de control del flujo para reducir las emisiones
El sector de la aviación tiene una importante repercusión económica y medioambiental debido a las elevadas emisiones de CO2. Existe una necesidad urgente de mejorar el rendimiento aerodinámico de las alas de los aviones para reducir el consumo de combustible y las emisiones. Una de las estrategias es realizar un control de flujo. El equipo del proyecto DEEPCONTROL, financiado por el Consejo Europeo de Investigación, utilizará simulaciones de alta fidelidad y aprendizaje profundo de refuerzo a fin de desarrollar un marco de trabajo para la predicción y el control en tiempo real del flujo alrededor de las secciones de las alas y de las alas tridimensionales basándose únicamente en mediciones dispersas. En el proyecto se pretende descubrir soluciones novedosas en cuanto a la actuación del flujo y el diseño de la geometría de las aletas para mejorar la sostenibilidad de la aviación. El equipo del proyecto DEEPCONTROL también realizará experimentos pormenorizados en el túnel de viento del Real Instituto de Tecnología KTH de Suecia para evaluar el marco de las aplicaciones en tiempo real.
Objetivo
Over the past decades, aviation has become an essential component of today’s globalized world: before the current pandemic of coronavirus disease 2019 (COVID-19), over 100,000 flights took off everyday worldwide, and a number of studies indicate that after the pandemic its relevance in the transportation mix will be similar to that before COVID-19. Aviation alone is responsible for 12% of the carbon dioxide emissions from the whole transportation sector, and for 3% of the total CO2 emissions in the world. Due to the major environmental and economical impacts associated to aviation, there is a pressing need for improving the aerodynamic performance of airplane wings to reduce fuel consumption and emissions. This implies reducing the force parallel to the incoming flow, i.e. the drag, and one of the strategies to achieve such a reduction is to perform flow control.
DEEPCONTROL aims at using high-fidelity simulations and deep reinforcement learning to develop a framework for real-time prediction and control of the flow around wing sections and three-dimensional wings based only on sparse measurements. We will first perform high-order spectral-element simulations of wing sections and three-dimensional wings at high Reynolds numbers. Using sparse measurements at the wall, we will reconstruct the velocity fluctuations above the wall within a region of interest. To this end, we will employ a generative adversarial network (GAN), together with a fully-convolutional network (FCN) and modal decomposition. Then, we will perform flow control based on deep reinforcement learning (DRL), which will enable discovering novel solutions in terms of flow actuation and design of winglet geometry. In order to assess the robustness of the framework for real-time applications, we will carry out detailed wind-tunnel experiments at KTH.
This framework will constitute a breakthrough in aviation sustainability, and will enable developing more efficient aeronautical solutions worldwide.
Ámbito científico
- medical and health scienceshealth sciencespublic healthepidemiologypandemics
- natural sciencescomputer and information sciencesartificial intelligencemachine learningreinforcement learning
- natural sciencesphysical sciencesclassical mechanicsfluid mechanicsfluid dynamics
- medical and health scienceshealth sciencesinfectious diseasesRNA virusescoronaviruses
- engineering and technologyenvironmental engineeringenergy and fuels
Palabras clave
Programa(s)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Régimen de financiación
HORIZON-ERC - HORIZON ERC GrantsInstitución de acogida
100 44 Stockholm
Suecia