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

Discovering novel control strategies for turbulent wings through deep reinforcement learning

Description du projet

Des stratégies innovantes de contrôle du débit pour réduire les émissions

Le secteur du transport aérien a des répercussions économiques et environnementales importantes en raison de ses fortes émissions de CO2. Le besoin d’améliorer les performances aérodynamiques des ailes d’avion est urgent pour réduire la consommation de carburant et les émissions. L’une des stratégies consiste à effectuer un contrôle de flux. Le projet DEEPCONTROL, financé par le CER, utilisera des simulations haute fidélité et l’apprentissage par renforcement profond pour développer un cadre permettant de prédire et de contrôler en temps réel l’écoulement autour des sections d’ailes et des ailes tridimensionnelles, en se basant uniquement sur des mesures éparses. Le projet veut découvrir de nouvelles solutions en termes d’actionnement du flux et de conception de la géométrie des ailettes pour améliorer la durabilité du secteur. DEEPCONTROL réalisera également des expériences détaillées en soufflerie à l’Institut royal de technologie KTH, en Suède, afin d’évaluer le cadre pour les applications en temps réel.

Objectif

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.

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.

HORIZON-ERC - HORIZON ERC Grants

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) ERC-2021-COG

Voir tous les projets financés au titre de cet appel

Institution d’accueil

KUNGLIGA TEKNISKA HOEGSKOLAN
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.

€ 1 876 748,00
Adresse
BRINELLVAGEN 8
100 44 STOCKHOLM
Suède

Voir sur la carte

Région
Östra Sverige Stockholm Stockholms län
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.

€ 1 876 748,00

Bénéficiaires (3)

Mon livret 0 0