Ny forskning – AI kan förbättra flödesmätningar i realtid
Ny forskning från Luleå tekniska universitet (LTU) visar hur artificiell intelligens kan användas för att analysera flöden av vätskor och gaser snabbare och mer tillförlitligt. Metoden kan bidra till effektivare energisystem, minskat slitage i maskiner och färre oplanerade driftstopp.
Studien bygger på användning av djupinlärning för att analysera data från så kallad Particle Image Velocimetry (PIV), en metod som används i laboratorier för att kartlägga hur vätskor och gaser rör sig. PIV genererar stora och detaljerade datamängder, vilket traditionellt sätt gjort analysen av denna data oerhört tidskrävande.
I sin avhandling har Yuvarajendra Anjaneya Reddy, doktorand i experimentell mekanik, utvecklat AI-baserade modeller som kan tolka dessa data mer robust och samtidigt ta hänsyn till de fysikaliska lagar som styr flöden, skriver LTU på sin hemsida.
– När artificiell intelligens byggs med tydlig fysisk förankring kan den fungera som ett tillförlitligt mätverktyg i stället för en svart låda, säger Yuvarajendra Anjaneya Reddy.
Enligt forskningen kan de nya modellerna rekonstruera flödesfält med hög precision även under krävande mätförhållanden, exempelvis vid stark skjuvning, separation eller låg signalnivå. Genom att analysera flera bildrutor i följd kan metoderna också ta hänsyn till hur flöden utvecklas över tid, vilket ger mer stabila resultat.
Tekniken kan enligt forskarna få betydelse för industriella tillämpningar där flöden behöver övervakas kontinuerligt, exempelvis inom energisystem, aerodynamiska tester och processindustrin.
Metoden kan också bidra till mer exakta digitala tvillingar, där virtuella modeller av fysiska system uppdateras löpande med mätdata i realtid.
– På sikt kan detta bidra till smartare sensorer och system som anpassar sig efter hur flöden faktiskt beter sig i verkligheten, säger Yuvarajendra Anjaneya Reddy.