Expérience en soufflerie utilisant la technique de vélocimétrie par image de particules. Crédit :UC3M
Développer de nouvelles méthodes de mesure des écoulements turbulents plus efficaces et plus fiables est l'objectif principal du projet de recherche NEXTFLOW à l'Université Carlos III de Madrid (UC3M), financé par une subvention de démarrage ERC de l'Union européenne. Ces techniques, qui utilisent les nouveaux développements en intelligence artificielle et en data mining, peut être utilisé pour améliorer l'aérodynamisme des moyens de transport et réduire leur impact environnemental.
L'un des défis actuels de l'aérodynamique est l'amélioration des techniques de caractérisation et de contrôle du comportement des écoulements turbulents (le mouvement fluide qui se produit autour d'une aile d'avion, par exemple). "Ils sont chaotiques, avec une dynamique complexe qui rend difficile la compréhension complète de leur comportement à l'aide des techniques dont nous disposons actuellement, " explique le coordinateur du projet NEXTFLOW, Stefano Discetti, du Département de Bioingénierie et Ingénierie Aérospatiale de l'UC3M.
L'optimisation des stratégies pour mesurer les écoulements turbulents est un élément clé dans l'industrie d'aujourd'hui en raison du rôle critique que joue la turbulence dans de nombreuses applications industrielles. À cet égard, obtenir des informations plus précises sur sa dynamique permettrait de l'utiliser dans des contextes réels, comme dans le secteur des transports. Les écoulements turbulents affectent les forces s'opposant au mouvement de tous types de véhicules, par exemple, comme les voitures, avions ou bateaux, ainsi mieux les comprendre peut aider à améliorer leurs performances et à réduire leur impact sur l'environnement, notent les chercheurs.
Pour le moment, les techniques de mesure des écoulements turbulents dans les expériences ne fournissent qu'une « description partielle de leur vitesse, Température, ou la pression, " précise Stefano Discetti. L'objectif de ce nouveau projet ERC est d'utiliser l'intelligence artificielle et les techniques d'exploration de données pour développer une nouvelle génération d'outils de mesure afin d'obtenir une description plus complète de leur comportement dynamique, puis avoir plus d'informations sur la façon de les contrôler.
L'une des méthodes utilisées est la vélocimétrie volumétrique par image de particules, qui permet d'obtenir une reconstruction 3D du mouvement d'un fluide suite au mouvement de particules, rendu visible par une lumière laser. Dans le cadre de cette recherche, les scientifiques espèrent utiliser les données fournies par des sondes ponctuelles à haute fréquence d'échantillonnage pour compléter la description 3D avec une dynamique dans le temps. De plus, des algorithmes basés sur l'intelligence artificielle seront développés pour améliorer la précision de la technique de vélocimétrie par image de particules. Dans un travail récent publié par ces chercheurs de l'UC3M dans le Sciences expérimentales de la thermique et des fluides journal, ils ont présenté une nouvelle approche basée sur l'exploration de données pour atteindre cet objectif.
Des mesures de haute précision et résolues en temps seront utilisées pour obtenir des champs de pression en appliquant les équations fondamentales de la mécanique des fluides. Avec ça, ils espèrent définir des modèles compacts pouvant être utilisés pour décrire avec précision le comportement des écoulements et développer des logiques de contrôle. "Ces résultats pourraient fournir de nouveaux outils qui ont le potentiel de combler le fossé entre les expériences de laboratoire et la caractérisation et le contrôle des écoulements dans des applications réelles, qui pourraient conduire à une amélioration des procédés et réduire l'impact environnemental des différents secteurs industriels, notamment l'industrie aéronautique, ", note Stefano Discetti.