Maskininlärningsmodeller kan stödja ingenjörer vid konstruktion och tillverkning av flygplansmotorer samt minska tid och kostnad för designprocessen visar ny forskning i datavetenskap vid BTH, Blekinge Tekniska Högskola.
Utformning av flygplan är en komplex uppgift som omfattar studier av konstruktionens beteende utifrån mekaniska, aerotermiska och producerbara aspekter.
I den tidiga utvecklingsfasen av flygplansmotorer utforskar ingenjörer olika designalternativ för att uppnå designlösningar som uppfyller alla krav utifrån aerodynamik, prestanda, termodynamik osv.
Att testa, eller simulera, många olika designalternativ är tidskrävande, samtidigt som det kan bli problem längre fram i utvecklingsprocessen ifall man testar för få designalternativ.
För att underlätta för ingenjörer i designutvärderingsprocessen visar forskaren Siva Krishna Dasari hur maskininlärningsmodeller kan användas för att stödja ingenjörer i de tidiga konstruktions- och tillverkningsfaserna av flygplansmotorkomponenter. Bland annat visar hon hur man bygger defektklassificeringsmodeller med hjälp av processdata, vilket minskar mängden arbete som behövs för att analysera defekter. Ett annat exempel är en förutsägelsemodell för att beräkna den dyra simuleringsbaserade modellen och för att minska tid och kostnad för designprocessen.
Forskningen är genomförd i samarbete med en stor tillverkare av flygkomponenter i Sverige.
Disputationen är öppen för allmänheten.
Dag: Måndagen den 18 oktober
Tid: Klockan 13:30-15:30
Plats: Sal J1630, Campus Gräsvik, Karlskrona eller via Zoom, se BTH:s kalender där även länk till avhandlingen finns.
