Lo sviluppo di nuovi modi per misurare i flussi turbolenti che siano più efficienti e affidabili è l'obiettivo principale del progetto di ricerca NEXTFLOW presso l'Universidad Carlos III de Madrid (UC3M), finanziato da un ERC Starting Grant dell'Unione Europea. Queste tecniche, che utilizzano i nuovi sviluppi nell'intelligenza artificiale e nel data mining, possono essere utilizzati per migliorare l'aerodinamica dei mezzi di trasporto e ridurne l'impatto ambientale.

Una delle sfide attuali che l'aerodinamica deve affrontare è migliorare le tecniche per caratterizzare e controllare il comportamento dei flussi turbolenti (il movimento del fluido che si verifica intorno all'ala di un aeroplano, Per esempio). "Sono caotici, con dinamiche complesse che rendono difficile la comprensione completa del loro comportamento utilizzando le tecniche attualmente a nostra disposizione, " spiega il coordinatore del progetto NEXTFLOW, Stefano Discetti, dal Dipartimento di Bioingegneria e Ingegneria Aerospaziale dell'UC3M.

L'ottimizzazione delle strategie per misurare i flussi turbolenti è un elemento chiave nell'industria odierna a causa del ruolo critico che la turbolenza svolge in molte applicazioni industriali. A questo proposito, ottenere informazioni più precise sulle sue dinamiche ci permetterebbe di utilizzarlo in contesti di vita reale, come nel settore dei trasporti. I flussi turbolenti influenzano le forze che si oppongono al movimento di tutti i tipi di veicoli, Per esempio, come automobili, aerei o navi, quindi comprenderli meglio può aiutare a migliorare le loro prestazioni e ridurre il loro impatto sull'ambiente, notano i ricercatori.

Per ora, tecniche per misurare il flusso turbolento negli esperimenti forniscono solo "una descrizione parziale della loro velocità, temperatura, o pressione, " afferma Stefano Discetti. L'obiettivo di questo nuovo progetto ERC è quello di utilizzare l'intelligenza artificiale e le tecniche di data mining per sviluppare una nuova generazione di strumenti di misurazione in modo da ottenere una descrizione più completa del loro comportamento dinamico, e quindi avere maggiori informazioni su come controllarli.

Uno dei metodi utilizzati è la velocimetria volumetrica dell'immagine delle particelle, che permette di ottenere una ricostruzione 3D del movimento di un fluido seguendo il moto delle particelle, reso visibile da una luce laser. Nell'ambito di questa ricerca, gli scienziati sperano di utilizzare i dati forniti da sonde puntuali ad alta frequenza di campionamento per integrare la descrizione 3D con la dinamica nel tempo. In aggiunta a questo, saranno sviluppati algoritmi basati sull'intelligenza artificiale per migliorare l'accuratezza della tecnica di velocimetria dell'immagine delle particelle. In un recente lavoro pubblicato da questi ricercatori UC3M nel Scienze termiche e dei fluidi sperimentali rivista, hanno presentato un nuovo approccio basato sul data mining per raggiungere questo obiettivo.

Misure di alta precisione e risolte nel tempo verranno utilizzate per ottenere campi di pressione applicando le equazioni fondamentali della fluidodinamica. Con questo, sperano di definire modelli compatti che possano essere utilizzati per descrivere con precisione il comportamento dei flussi e sviluppare logiche di controllo. "Questi risultati potrebbero fornire nuovi strumenti che hanno il potenziale per colmare il divario tra gli esperimenti di laboratorio e la caratterizzazione e il controllo dei flussi nelle applicazioni della vita reale, che potrebbe portare a un miglioramento dei processi e ridurre l'impatto ambientale dei diversi settori industriali, soprattutto l'industria aeronautica, " nota Stefano Discetti.