Riassunto analitico
Negli ultimi decenni, un aumento esponenziale nella potenza computazionale ha portato all’utilizzo sempre più massiccio dell’intelligenza artificiale. Per intelligenza artificiale si intende una disciplina appartenente all’informatica che permette di mimare l’intelligenza umana, usando logica, correlazione causa effetto, alberi decisionali, e il Machine learning. Il machine learning, o apprendimento automatico, si basa su tecniche statistiche che permettono alle macchine di migliorare a livello di esperienza. I computer sono così in grado di imparare da elaborazioni precedenti per fornire risultati e prendere decisioni affidabili. Questo significa che grazie a questa tecnica è possibile costruire, automaticamente, modelli per l’analisi di dati più complessi, e di elaborare in modo rapido risultati più accurati.
Questo campo di ricerca si sta affermando negli ultimi tempi anche in ambito aerodinamico. In particolare si sta studiando come applicare questa metodologia a sostegno della fluidodinamica computazionale e della sperimentazione aerodinamica in Galleria del vento. Uno dei pregi di utilizzare algoritmi per la previsione di performance aerodinamiche è la maggior velocità nel fornire risultati accurati, paragonabili a quelli ottenuti tramite analisi CFD.
La correlazione tra i dati misurati in galleria del vento e i dati ottenuti tramite studio fluidodinamico costituisce un problema che ad oggi non è ancora stato risolto. Spesso i risultati ottenuti da questi due studi differenti non coincidono ed è complesso verificarne la causa. Utilizzare un approccio basato su metodologie predittive potrebbe essere la soluzione per ridurre al minimo gli errori.
Il modello in galleria del vento presenta circa 400 prese di pressione, dal quale si possono ricavare i dati in tempo reale. L’obiettivo della misurazione è comprendere al meglio punti di discontinuità del flusso dove si vengono a generare distacchi di vena e fenomeni turbolenti. Non sempre però, i dati ricavati sono utili allo studio fluidodinamico del flusso attorno alla vettura. Questo comporta perdita di tempo e denaro. Per questo motivo risulta fondamentale studiare a priori zone in cui porre questi sensori di misura. In questa trattazione verrà illustrato il lavoro svolto per la ricerca dei punti migliori in cui porre le prese di pressione all’interno della galleria.
In seguito si è svolta un’analisi per verificare sia possibile applicare tecniche predittive per lo studio delle performance aerodinamiche.
|