MALEAF — Apprentissage Machine pour l'efficacité des systèmes fluides

Le projet MALEAF vise à l’augmentation du rendement de machines tournantes pour la production d’énergie et des moyens de propulsions, en particulier dans les domaines aéronautique et maritime. L’objectif sera atteint par le développement d’outils d’analyse peu couteux et performants pour les problèmes hydrodynamique et aérodynamique. Plus précisément, des modèles d’ordre réduit linéaires et non-linéaires vont être entraînés et calibrés en utilisant des méthodes data-driven. Un élément distinctif du projet est que les modèles seront obtenus par des ‘smart-data’ au lieu de ‘big data’. Les bases de données pour l’entrainement des modèles seront obtenues par des techniques d’expansion de données basé sur de l’assimilation de donnée. Elles seront produites à partir de données dédiées, haute-fidélité, numériques et expérimentales, issues de bancs d’essais, à savoir un compresseur axial et un hydrofoil dans un tunnel hydrodynamique. Un cas de complexité intermédiaire (une grille d'aubes) sera également étudié numériquement. Le développement de ce projet va aussi permettre d’améliorer la connaissance sur des questions ouvertes d’applications data-driven en mécanique des fluides, comme le stockage et l’utilisation efficace de données, la manipulation systématique de données rares, et la robustesse des procédures d’entrainement.