人工智能和数据挖掘被用于测量空气动力学流量

开发更高效、更可靠的湍流测量新方法是马德里卡洛斯三世大学 (UC3M) NEXTFLOW 研究项目的主要目标，该项目由 ERC 启动赠款资助。这些技术利用人工智能和数据挖掘的新发展，可用于改善交通工具的空气动力学并减少其对环境的影响。

空气动力学当前面临的挑战之一是改进用于表征和控制湍流行为的技术(例如，发生在飞机机翼周围的流体运动)。“它们是混乱的，具有复杂的动力学，这使得使用我们目前可用的技术很难完全理解它们的行为，”来自 UC3M 生物工程和航空航天工程系的 NEXTFLOW 项目协调员 Stefano Discetti 解释说。

由于湍流在许多工业应用中起着关键作用，因此优化测量湍流的策略是当今行业的关键要素。在这方面，获得有关其动态的更精确信息将使我们能够在现实生活中使用它，例如在运输部门。研究人员指出，湍流会影响阻碍所有类型车辆运动的力量，例如汽车、飞机或轮船，因此更好地了解它们有助于提高它们的性能并减少它们对环境的影响。

目前，在实验中测量湍流的技术只能提供“对它们的速度、温度或压力的部分描述”，Stefano Discetti 说。这个新的 ERC 项目的目标是使用人工智能和数据挖掘技术开发新一代测量工具，以便更完整地描述它们的动态行为，然后获得更多关于如何控制它们的信息。

正在使用的方法之一是体积粒子图像测速法，它可以在粒子运动后获得流体运动的 3D 重建，通过激光使其可见。在这项研究的框架内，科学家们希望使用高采样频率点探针提供的数据来及时补充动态的 3D 描述。除此之外，还将开发基于人工智能的算法，以提高粒子图像测速技术的准确性。在这些 UC3M 研究人员最近在《实验热与流体科学》杂志上发表的一项工作中，他们提出了一种基于数据挖掘的新方法来实现这一目标。

通过应用基本的流体力学方程，将使用高精度和时间分辨的测量来获得压力场。借此，他们希望定义可用于准确描述流的行为并开发控制逻辑的紧凑模型。“这些结果可以提供新的工具，这些工具有可能弥合实验室实验与现实生活应用中流动的表征和控制之间的差距，这可能会导致流程改进并减少不同行业对环境的影响，尤其是对环境的影响。航空工业，”Stefano Discetti 指出。

标签：