Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

WakeOpColl

Financiado

Cerrado

Learning and collective intelligence for optimized operations in wake flows

Physics dictate that a flow device has to leave a wake or the signature of it producing sustentation forces, extracting energy, or simply moving through the medium; these flow structures can then impact negatively or favorably ano... ver más

28/02/2023

UCLouvain

2M€

Presupuesto del proyecto: 2M€

Líder del proyecto

UNIVERSITE CATHOLIQUE DE LOUVAIN No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 2 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2023-02-28

ERC-2016-COG: ERC Consolidator Grant

I+D

Cerrada hace 9 años

0% 100% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

2 Participantes

UCLouvain

2.00M€ | Lider

IBERICA DEL ESPACIO

406.61K€ | Participante

Proyectos interesantes

Smart-TURB

Applied Physics

Software

2M€ Cerrado

trainABL

Applied Physics

Mechanical Engi...

2M€ Cerrado

UniTED

Applied Physics

Data Science

2M€ Cerrado

RTI2018-093366-B-I00

Renewable Energ...

Applied Physics

163K€ Cerrado

EUHIT

Applied Physics

Environmental S...

9M€ Cerrado

MULTIFLOW

Applied Physics

Mechanical Engi...

2M€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Duración del proyecto: 72 meses Fecha Inicio: 2017-02-24
Fecha Fin: 2023-02-28

Líder del proyecto

UNIVERSITE CATHOLIQUE DE LOUVAIN No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 2M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Physics dictate that a flow device has to leave a wake or the signature of it producing sustentation forces, extracting energy, or simply moving through the medium; these flow structures can then impact negatively or favorably another device downstream. Wake turbulence between aircraft in air traffic and wake losses within wind farms are prime examples of this phenomenon, and incidentally constitute pivotal challenges to their respective fields of transportation and wind energy. These are highly complex and unsteady flows, and distributed control based on affordable wake models has failed to produce robust schemes that can alleviate turbulence effects and achieve efficiency at the scale of the system of devices. This project proposes an Artificial Intelligence and bio-inspired paradigm for the control of flow devices subjected to wake effects. To each flow device, we associate an intelligent agent that pursues given goals of efficiency or turbulence alleviation. Every one of these flow agents now relies on machine-learning tools to learn how to make the right decision when confronted with wake or turbulent flow structures. At a system level, we employ Multi-Agent System and Distributed Learning paradigms. Based on Game Theory, we build a system of interactions that incite the emergence of collaborative behaviors between the agents and achieve global optimized operation among the devices. We claim that the design of a system that learns how to control the flow, is simpler than the design of the control scheme and will yield a more robust scheme. The learning of formation flying among aircraft and of wake alleviation between wind turbines will constitute our study cases. The investigation will essentially be carried by means of large-scale numerical simulations; such simulations will produce the first ever realizations of self-organized systems in a turbulent flow. We will then apply our learning frameworks to a small-scale wind farm.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores