AI-ROM: Dai dati CAE a modelli predittivi real-time

OBIETTIVO:

Il corso si propone di offrire un approccio sia teorico che pratico all’applicazione dei modelli di ordine ridotto nel contesto del CAE. In particolare, verrà approfondita la possibilità di sviluppare modelli predittivi a partire da dati ricavati mediante analisi numeriche in diverse discipline, tra cui analisi termo-strutturali, elettromagnetismo e CFD. La costruzione di tali modelli predittivi avverrà attraverso l’impiego di algoritmi ROM.

TRAINER:

Stefano Carrino, Application Engineer – EnginSoft Italy

A CHI È RIVOLTO:

Ingegneri, progettisti e ricercatori (con conoscenza base della programmazione in Python) che necessitano di ridurre l’effort computazionale di modelli di dettaglio complessi, predire l’output in real-time e utilizzare i modelli ridotti nella modellazione di sistema.

AGENDA: 

Teoria: Descrizione dettagliata dei ROM Statici e Dinamici

• Preparazione dati (formattazione)
• Riduzione dimensionalità dati (Singular Value Decomposition – SVD – & Machine Learning)
• Costruzione ROM (ROM Statici, ROM Dinamici)
• Validazione ROM
• Export (creazione FMU) & Run

Pratica: Esercitazioni pratiche su test case applicativi con la generazione delle seguenti tipologie di ROM

• ROM LTI (State-Space Model di una trave incastrata)
• ROM statico
• ROM dinamico scalare

IN COLLABORAZIONE CON: