Gépi tanulás a hullámgenerálás javítására CFD-alapú numerikus hullámtartályban
Az óceánok az emberiség egyik legnagyobb erőforrása, amely a Föld felszínének több mint 70% -át lefedi, és olyan hatalmas iparágakat tart fenn, mint a halászat, a hajózás, a turizmus, a tengeri olaj, a gáz és a megújuló energiák. A numerikus hullámtartályok (NWT) létfontosságú eszközt jelenthetnek az óceánban működő rendszerek megértéséhez, tervezéséhez és optimalizálásához. Az NWT kulcsfontosságú eleme a wavemaker, amely felelős az NWT hullámok generálásáért. Ahhoz, hogy a hullámkészítő a kívánt tengeri viszonyok pontos replikációját létrehozza, finomhangolásra és iteratív kalibrálásra van szükség, ezáltal növelve a futtatandó szimulációk számát és a felhasználó munkáját. A vizsgálandó hipotézis az, hogy a gépi tanulási technikák alkalmazásával egyetlen jól megtervezett kalibrációs futtatás lehetővé teszi a kívánt tengeri feltételek későbbi kialakítását. A kutatás célja az ideghálózatok képzése nemlineáris átviteli függvények ábrázolására, amelyek a kívánt hullámfelület-magasság időbeli nyomvonalat leképezik a szondán a létrehozásához szükséges hullámkészítő bemenettel.
szerző
-
Ul Hassan Irfan
Gépészeti modellezés mesterképzési szak
mesterképzés (MA/MSc)
konzulensek
-
Dr. Davidson Josh
Research Fellow, Áramlástan Tanszék -
Dr. Habib Giuseppe
Docens, Műszaki Mechanikai Tanszék
