Modellazione termo-fluidodinamica di schiume solide: un approccio integrato di CFD e Machine Learning = Thermo-fluid dynamics modelling of solid foams: an integrated approach of CFD and Machine Learning

Nell'ambito dell'ingegneria chimica, i mezzi porosi rivestono un ruolo chiave in molte applicazioni per via delle loro peculiari proprietà come l'elevata superficie specifica e la possibilità di realizzare strutture differenti a seconda della forma scelta per la costruzione del mezzo. In questo lavoro è stato valutato l’utilizzo di modelli data-driven, per identificare relazioni funzionali in geometrie a microstruttura complessa e ad elevato grado di vuoto: le schiume solide a celle aperte (OCF). La generazione algoritmica di copie digitali delle schiume OCF, utile per il testing rapido di strutture diverse, è subordinata alla definizione di parametri geometrici. Il focus del lavoro è stato incentrato sullo svolgimento di campagne di simulazioni di Computational Fluid Dynamics (CFD) allo scopo di utilizzare i risultati come dataset di allenamento per un modello data-driven di tipo neural network, capace di predire accuratamente la permeabilità di nuove geometrie OCF a partire dal set di parametri geometrici di generazione. Lo studio del volume elementare rappresentativo (REV) e della fluidodinamica laminare nelle geometrie è stato portato a termine sfruttando librerie python dedicate, come porespy, ed il software open-source di fluidodinamica computazionale OpenFOAM. Lo sviluppo dei modelli di Machine Learning è stato supportato dalla piattaforma Jupyter Notebook e dalla libreria python sklearn. Un semplice modello di scambio termico è stato inoltre definito nell’ottica di valutare le performance termiche delle differenti microstrutture delle schiume solide. Il modello di regressione della permeabilità, allenato seguendo l’approccio Leave One Out, si dimostra un eccellente sostituto dell’approccio classico basato su regressioni lineari multi-variabile in termini di performance (R2 = 0.993) e risulta caratterizzato da un errore medio del 3.05%. L’interrogazione istantanea del modello di regressione ha permesso, in definitiva, di mappare la permeabilità su di un ampio range di parametri geometrici, con elevata accuratezza, senza ricorrere ulteriormente alla CFD. Le simulazioni di scambio termico evidenziano migliori performance nelle microstrutture più porose; tuttavia, tale risultato è condizionato dal semplice modello adottato e necessita di un ulteriore studio sulle proprietà meccaniche delle geometrie.