Simulazioni RANS e impiego di machine learning per il miglioramento di modelli di turbolenza. = RANS simulations and machine learning techniques for the improvement of turbulence models.

Il campo dell'intelligenza artificiale è sempre stato al centro dell'attenzione per la sua capacità di ricercare relazioni anche complesse nascoste all'interno di dati. Per questo motivo, nel corso degli anni numerose ricerche sono state effettuate nel campo delle tecniche di apprendimento, meglio note con il nome di Machine Learning. In particolare, in campo fluidodinamico l'analisi di fenomeni turbolenti in presenza di transizioni e separazioni continua ad essere una grande sfida. Da una parte, le simulazioni ad alta fedeltà (DNS, LES) hanno un costo computazionale troppo elevato per problemi con geometrie complesse o numeri di Reynolds elevati. Per tale motivo un'alternativa è considerare le equazioni di Navier-Stokes mediate alla Reynolds (RANS) che hanno pero bisogno di essere implementate a causa delle approssimazioni che introducono. Tutti questi aspetti sono descritti in modo piu approfondito nell'introduzione. Lo scopo di questo lavoro è di analizzare varie tecniche di Machine Learning al fine di trovare una relazione tra variabili fluidodinamiche in una schiera di pale di una turbina a bassa pressione T106c. Utilizziamo il paradigma FIML (Field Inversion and Machine Learning) per costruire il database con l'approccio di inversione del campo e successivamente applichiamo e confrontiamo tre diverse tecniche di Machine Learning: programmazione genetica, reti neurali artificiali e random forest. La tesi è organizzata come segue. Nel primo capitolo forniamo un'introduzione al machine learning e lo stato dell'arte della fluidodinamica computazionale (CFD). Nel secondo capitolo introduciamo l'approccio dell'inversione del campo con il metodo dell'aggiunto e mostriamo come questo possa migliorare il modello di turbolenza Spalart-Allmaras utilizzato per la chiusura delle equazioni RANS. Infine, nei capitoli 3, 4, 5 discutiamo le tecniche di machine learning precedentemente introdotte.