Experimental application of machine learning algorithms to the active control of wake and separated flows via synthetic jets

I flussi separati e le instabilità di scia causano gravi problemi aerodinamici, come l'aumento della resistenza e vibrazioni strutturali. I metodi di controllo classici faticano a gestire la natura non lineare di questi fenomeni. Il presente lavoro propone l'uso di attuatori a getto sintetico e Machine Learning per un controllo attivo ed efficace. Attraverso test in galleria del vento su configurazioni di riferimento (flusso a valle di un cilindro circolare e vortici d'estremità alari generati da un ala finita rettangolare) , sono state implementate strategie a ciclo aperto e chiuso basate sull'algoritmo gMLC (gradient enriched Machine Learning Control). Lo studio analizza il setup sperimentale, le criticità tecniche e l'efficacia delle strategie di controllo ottimali derivate dal ML sul campo di moto indisturbato.