Desarrollar nuevas formas de medir los flujos turbulentos que sean más eficientes y fiables es el principal objetivo del proyecto de investigación NEXTFLOW de la Universidad Carlos III de Madrid (UC3M), financiado por una ERC Starting Grant de la Unión Europea. Estas técnicas, que utilizan nuevos desarrollos en inteligencia artificial y minería de datos, se puede utilizar para mejorar la aerodinámica de los medios de transporte y reducir su impacto medioambiental.

Uno de los retos actuales a los que se enfrenta la aerodinámica es mejorar las técnicas para caracterizar y controlar el comportamiento de los flujos turbulentos (el movimiento de los fluidos que se produce alrededor del ala de un avión, por ejemplo). "Son caóticos, con dinámicas complejas que dificultan la comprensión completa de su comportamiento utilizando las técnicas actualmente disponibles para nosotros, "explica el coordinador del proyecto NEXTFLOW, Stefano Discetti, del Departamento de Bioingeniería e Ingeniería Aeroespacial de la UC3M.

La optimización de estrategias para medir los flujos turbulentos es un elemento clave en la industria actual debido al papel fundamental que desempeña la turbulencia en muchas aplicaciones industriales. A este respecto, obtener información más precisa sobre su dinámica nos permitiría utilizarla en contextos de la vida real, como en el sector del transporte. Los flujos turbulentos afectan las fuerzas que se oponen al movimiento de todo tipo de vehículos, por ejemplo, como los coches, aviones o barcos, por lo que comprenderlos mejor puede ayudar a mejorar su desempeño y reducir su impacto en el medio ambiente, señalan los investigadores.

Siendo por el momento, Las técnicas para medir el flujo turbulento en experimentos solo proporcionan "una descripción parcial de su velocidad, temperatura, o presión, ", afirma Stefano Discetti. Este nuevo proyecto de ERC tiene como objetivo utilizar la inteligencia artificial y técnicas de minería de datos para desarrollar una nueva generación de herramientas de medición de modo que se pueda obtener una descripción más completa de su comportamiento dinámico, y luego tener más información sobre cómo controlarlos.

Uno de los métodos que se utiliza es la velocimetría volumétrica de imágenes de partículas, que permite obtener una reconstrucción 3D del movimiento de un fluido siguiendo el movimiento de partículas, hecho visible por una luz láser. En el marco de esta investigación, Los científicos esperan utilizar los datos proporcionados por sondas puntuales de alta frecuencia de muestreo para complementar la descripción 3D con la dinámica en el tiempo. Además de esto, Se desarrollarán algoritmos basados ​​en inteligencia artificial para mejorar la precisión de la técnica de velocimetría de imágenes de partículas. En un trabajo reciente publicado por estos investigadores de la UC3M en el Ciencia experimental térmica y de fluidos diario, presentaron un enfoque novedoso basado en la minería de datos para lograr este objetivo.

Se utilizarán medidas de alta precisión y resolución en el tiempo para obtener campos de presión mediante la aplicación de ecuaciones fundamentales de mecánica de fluidos. Con este, esperan definir modelos compactos que puedan usarse para describir el comportamiento de los flujos con precisión y desarrollar lógicas de control. "Estos resultados podrían proporcionar nuevas herramientas que tienen el potencial de cerrar la brecha entre los experimentos de laboratorio y la caracterización y el control de flujos en aplicaciones de la vida real". lo que podría conducir a una mejora en los procesos y reducir el impacto ambiental de diferentes sectores industriales, especialmente la industria aeronáutica, "señala Stefano Discetti.