Opis projektu
Nowe modele pozwolą na dokładne przewidywanie przejścia pomiędzy przepływem laminarnym i turbulentnym
W ciągu ostatnich dziesięcioleci byliśmy świadkami gwałtownego rozwoju dziedziny modelowania przepływów turbulentnych dzięki wykorzystaniu obliczeniowej dynamiki płynów, co przełożyło się na znaczące zmiany w zakresie projektowania samolotów, samochodów i statków. Obecnie potrzebujemy nowych modeli pozwalających na lepsze przewidywanie przejść pomiędzy przepływem laminarnym i turbulentnym, co umożliwi lepszą kontrolę przepływu płynów. Stawiając czoła temu wyzwaniu, finansowany przez UE projekt HIFI-TURB wykorzysta symulacje dużych wirów oraz bezpośrednie symulacje numeryczne, które pozwolą na przewidywanie złożonych przepływów. Nowe algorytmy uczenia maszynowego oraz rozwiązania sztucznej inteligencji pozwolą badaczom określić ważne korelacje pomiędzy wielkościami przepływów turbulentnych. Ulepszone modele złożonych przepływów płynów pozwolą na dalsze zmniejszanie zużycia energii, emisji oraz hałasu statków, samolotów i samochodów.
Cel
The most significant challenge in applied fluid dynamics (covering aerospace, energy and propulsion, automotive, maritime industries, chemical process industries) is posed by a lack of understanding of turbulence-dependent features and laminar-to-turbulent transition. As a consequence, the design and analysis of industrial equipment cannot be relied upon to be accurate in challenging flow conditions. Improving the capabilities of models for complex fluid flows, offers the potential of reducing energy consumption of aircraft, cars, and ships, with consequent reduction in emissions and noise of combustion-based engines The inevitable result is a major impact on economical and environmental factors as well as on economy, industrial leadership in the highly competitive global position. Hence, the ability to understand, model and predict turbulence and transition phenomena is the key requirement in the design of efficient and environmentally acceptable fluids-based energy transfer systems. Against this background, the present proposal sets out a highly ambitious and innovative program of work designed to address some influential deficiencies in advanced statistical models of turbulence. The program rests on the following pillars of excellence: • The exploitation of high-fidelity LES/DNS data for a range of -reference flows that contain key flow features of major interest • The application of novel artificial intelligence and machine-learning algorithms to identify significant correlations between representative turbulent quantities • The guidance of the research towards improved models by four world-renown industrial and academic experts in turbulence. The consortium is formed by major industrial aeronautical companies and software editor, an SME acting as coordinator, well-known research centra and academic groups, including ERCOFTAC, acting as a source of turbulence expertise and as a repository for the generated data, to be made openly available.
Dziedzina nauki
- natural sciencescomputer and information sciencessoftware
- engineering and technologymechanical engineeringvehicle engineeringaerospace engineeringaircraft
- natural sciencesphysical sciencesclassical mechanicsfluid mechanicsfluid dynamics
- natural sciencesmathematicsapplied mathematicsstatistics and probability
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-MG-2018-TwoStages
System finansowania
RIA - Research and Innovation actionKoordynator
1170 Bruxelles / Brussel
Belgia