NAVIGATE
Scheda del progetto
Politecnico di Torino
Edoardo Pasta
Caterina Carà
Il progetto prevede la realizzazione di un gemello digitale di un sistema propulsivo e l’utilizzo di algoritmi di IA per l’apprendimento in tempo reale del comportamento di queste propulsioni.
Contatti:
Referente
Dott. Giuseppe Giorgi
L’obiettivo è quello di combinare la modellazione fisica del sistema con tecniche di IA per il monitoraggio, la valutazione delle performance e l’ottimizzazione di propulsioni ibride a zero emissioni. L’obiettivo è fornire uno strumento di raccolta dati per accelerare la transizione verso propulsioni a zero emissioni, in modo affidabile e veloce.
Sono diversi gli aspetti innovativi:
1. Formulazione numerica e validazione sperimentale di un Digital Twin di una propulsione ibrida (fuel cell e batterie).
2. Utilizzo di IA per apprendere il comportamento in tempo reale di una propulsione ibrida (fuel cell e batterie).
3. Validazione con dati sperimentali ottenuti da un banco prova della logica NAVIGATE.
La tecnologia NAVIGATE, può essere applicata in ambito nautico rispondendo a diverse esigenze:
- I processi di progettazione di nuove propulsioni ibride sono lunghi e costosi: l'uso di NAVIGATE riduce i tempi di progettazione e sperimentazione, specialmente per propulsioni complesse. Inoltre, NAVIGATE migliora l'accuratezza del calcolo dei costi operativi (OPEX), consentendo di determinare un tempo di payback-time affidabile per le nuove propulsioni a emissioni zero.
- Mancanza di dati e tempi lunghi per ottenere esperienza industriale riguardo le nuove propulsioni: NAVIGATE velocizza la raccolta di dati utili a guadagnare l’esperienza industriale in tempi brevi. Complessivamente, questo si traduce in una riduzione del tempo di go-to market per propulsioni a zero emissioni.
- I regimi di funzionamento e il comportamento delle propulsioni previste in fase di progetto possono differire durante il reale utilizzo: NAVIGATE fornisce un supporto tecnico per il monitoraggio e la manutenzione di propulsioni a zero emissioni. I dati di monitoraggio online e i dati storici vengono combinati per consentire una diagnosi tempestiva e la previsione di guasti al fine di ridurre il rischio di incidenti e ottimizzare le operazioni risparmiando energia.