Ricerc@Sapienza

L'obiettivo della ricerca è quello di utilizzare metodologie avanzate di apprendimento automatico (machine learning) al fine di sviluppare e validare modelli di ordine ridotto (ROM) per lo sciabordio (sloshing) verticale del carburante imbarcato nei serbatoi alari. Tale attività sarà svolta in sinergia con il progetto Europeo H2020 SLOWD (SLOshing Wing Dynamics), il cui obiettivo è studiare gli effetti dello sloshing in relazione alla sua potenziale capacità di ridurre i carichi sulle strutture alari flessibili. Come estensione rispetto alle modellazioni introdotte in SLOWD, si propone di integrare i ROM sviluppati in una formulazione integrata di velivolo flessibile completo, con la finalità di studiare gli effetti dello sloshing verticale sulla risposta globale. Il machine learning consentirà, grazie a metodologie che si basano sull'idea che i sistemi possono apprendere informazioni significative dai dati, di identificare e costruire il modello ridotto di sloshing, che viene a sua volta trattato come una scatola nera. I dati necessari per l'identificazione saranno forniti da opportune prove sperimentali. Ulteriori attività sperimentali saranno poi necessarie per la validazione del ROM, dove il serbatoio (contenente il fluido inteso come carburante) utilizzato per l'identificazione verrà montato su una trave a sbalzo (i test mireranno ad emulare condizioni operative dinamiche significative per i velivoli civili). I dati sperimentali ottenuti, verranno opportunamente confrontati con i risultati delle simulazioni di un sistema numerico equivalente a quello speriementale (in cui il ROM identificato vine integrato con un modello numerico della trave). La ricerca proposta avrà ricadute significative sulla progettazione dei velivoli civili soggetti più intensamente agli effetti dello sloshing del carburante e progettati per resistere ai carichi derivanti da raffiche atmosferiche e da impatti in atterraggio.