Opis projektu
Uczenie maszynowe oraz nanocząsteczki zwiększą konkurencyjność samolotów
Zwiększona konkurencja oraz coraz bardziej wymagające regulacje środowiskowe zmuszają przemysł lotniczy i kosmiczny do poszukiwania sposobów na ograniczenie masy pojazdów, zmniejszenie zużycia paliwa oraz redukcję wpływu lotów na środowisko naturalne. Zastosowanie usztywnionych płyt kompozytowych z nanocząsteczkami wzmacniającymi obszary najbardziej narażone na uszkodzenia stanowią niezwykle obiecujące rozwiązanie w porównaniu z mechanicznymi łącznikami. Niestety, obecnie na rynku nie istnieją żadne certyfikowane usztywnione płyty zawierające nanocząsteczki, co więcej, mechanizmy występowania uszkodzeń są niezwykle złożone, a metody prognozowania ich rozprzestrzeniania się w płytach oraz cykli eksploatacji nie zostały jeszcze w pełni opracowane. Uczestnicy finansowanego przez Unię Europejską projektu MACADAMIA zamierzają rozwiązać ten problem poprzez zastosowanie nanocząsteczek i modeli opartych na fizyce w celu przewidywania zmian związanych z wytrzymałością oraz uszkodzeniami usztywnionych płyt, wykorzystując uczenie maszynowe, aby zwiększyć dokładność prognoz dotyczących ich eksploatacji.
Cel
MACADAMIA ambitiously seeks a seamless integration of machine learning concepts with physics-based models to optimise aerospace stiffened panels for damage tolerance. As an innovative strategy to delay damage, nanoparticles will be added in failure-prone hot-spots of composite stiffened panels to serve as damage arrest features. The efficacy of machine learning when used in conjunction with advanced computational methods for data classification and prediction will be smartly leveraged to classify and predict damage mechanisms in aircraft structures, the understanding of which is critical to their safe implementation.
In aircraft, stiffened composite panels are popular alternatives to structures with mechanical fasteners because they retain strength while reducing weight and part count; but cost and weight savings cannot be fully realized until stiffened panels are certified without fasteners in primary load-bearing structures. It is estimated that a one-pound weight reduction on each aircraft in a commercial fleet would result in fuel savings of 14000 gallons/year, which also mitigates the environmental impact of flight. To strengthen the competitiveness of European aerospace technologies in compliance with evolving environmental regulations, it is vital to work towards accelerated certification of fastener-free composite panels. Major challenges to this goal are: i) damage mechanisms in stiffened panels are complex and coupled, making the evaluation of strength and durability difficult; ii) predictive models for life-cycle estimation have large uncertainty. MACADAMIA envisions an approach with carefully designed experiments for nanoparticle inclusion along with physics-based models to investigate strength and damage evolution in stiffened panels, and machine learning to further optimise them for longer useful life. Multidisciplinary concepts of structural mechanics, computational physics, nanotechnology and machine learning will be used to accomplish research plan.
Dziedzina nauki
- engineering and technologymaterials engineeringcomposites
- engineering and technologymechanical engineeringvehicle engineeringaerospace engineeringaircraft
- engineering and technologynanotechnologynano-materials
- engineering and technologyenvironmental engineeringenergy and fuels
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordynator
2628 CN Delft
Niderlandy