Het ontwikkelen van nieuwe manieren om turbulente stromingen te meten die efficiënter en betrouwbaarder zijn, is het hoofddoel van het NEXTFLOW-onderzoeksproject aan de Universidad Carlos III de Madrid (UC3M), gefinancierd door een ERC Starting Grant van de Europese Unie. Deze technieken, die gebruikmaken van nieuwe ontwikkelingen op het gebied van kunstmatige intelligentie en datamining, kunnen worden gebruikt om de aerodynamica van vervoermiddelen te verbeteren en hun impact op het milieu te verminderen.

Een van de huidige uitdagingen waarmee aerodynamica wordt geconfronteerd, is het verbeteren van technieken voor het karakteriseren en beheersen van het gedrag van turbulente stromingen (de vloeiende beweging die plaatsvindt rond een vliegtuigvleugel, bijvoorbeeld). "Ze zijn chaotisch, met een complexe dynamiek die het moeilijk maakt om hun gedrag volledig te begrijpen met behulp van de technieken die momenteel voor ons beschikbaar zijn, " legt de NEXTFLOW-projectcoördinator uit, Stefano Discetti, van de afdeling Bioengineering en Luchtvaart- en Ruimtevaarttechniek van de UC3M.

Het optimaliseren van strategieën om turbulente stromingen te meten is een sleutelelement in de hedendaagse industrie vanwege de cruciale rol die turbulentie speelt in veel industriële toepassingen. In dit verband, het verkrijgen van meer precieze informatie over de dynamiek ervan zou ons in staat stellen om het in real-life contexten te gebruiken, zoals in de transportsector. Turbulente stromingen beïnvloeden de krachten die de beweging van alle soorten voertuigen tegenwerken, bijvoorbeeld, zoals auto's, vliegtuigen of schepen, zodat een beter begrip van hen kan helpen hun prestaties te verbeteren en hun impact op het milieu te verminderen, merken de onderzoekers op.

Voorlopig, technieken voor het meten van turbulente stroming in experimenten geven slechts "een gedeeltelijke beschrijving van hun snelheid, temperatuur, of druk, ", stelt Stefano Discetti. Het doel van dit nieuwe ERC-project is om kunstmatige intelligentie en dataminingtechnieken te gebruiken om een ​​nieuwe generatie meetinstrumenten te ontwikkelen, zodat een completere beschrijving van hun dynamisch gedrag kan worden verkregen, en dan meer informatie hebben over hoe ze te controleren.

Een van de gebruikte methoden is volumetrische deeltjesbeeldsnelheidsmeting, die het mogelijk maakt om een ​​3D-reconstructie te verkrijgen van de beweging van een vloeistof die de beweging van deeltjes volgt, zichtbaar gemaakt door een laserlicht. In het kader van dit onderzoek, wetenschappers hopen gegevens van puntsondes met hoge bemonsteringsfrequentie te gebruiken om de 3D-beschrijving met dynamiek in de tijd aan te vullen. Naast dit, algoritmen op basis van kunstmatige intelligentie zullen worden ontwikkeld om de nauwkeurigheid van de snelheidsmeting van deeltjesbeeldtechniek te verbeteren. In een recent werk gepubliceerd door deze UC3M-onderzoekers in de Experimentele thermische en vloeistofwetenschap logboek, ze presenteerden een nieuwe aanpak op basis van datamining om dit doel te bereiken.

Zeer nauwkeurige en in de tijd opgeloste metingen zullen worden gebruikt om drukvelden te verkrijgen door fundamentele vloeistofmechanica-vergelijkingen toe te passen. Hiermee, ze hopen compacte modellen te definiëren die kunnen worden gebruikt om het gedrag van stromen nauwkeurig te beschrijven en regellogica's te ontwikkelen. "Deze resultaten kunnen nieuwe instrumenten opleveren die de potentie hebben om de kloof te overbruggen tussen laboratoriumexperimenten en karakterisering en controle van stromen in real-life toepassingen, wat zou kunnen leiden tot een verbetering van processen en het verminderen van de milieu-impact van verschillende industriële sectoren, vooral de luchtvaartindustrie, " merkt Stefano Discetti op.