Análisis numérico de métodos de control activo aeroelástico

Abstract

[ES] Un breve antecedente teórico sobre lo que es la Inteligencia Artificial, el Aprendizaje Automático y las emocionantes posibilidades que ofrece el Aprendizaje Profundo, da paso a una explicación de cómo funciona el Aprendizaje por Refuerzo y todas sus posibilidades. Con el conocimiento básico de la aeroelasticidad, surge la idea de desarrollar un algoritmo basado en Aprendizaje por Refuerzo para controlar los fenómenos aeroelásticos presentes en una placa plana. Para ello, se configurará un conjunto de software en el que se combinarán múltiples tecnologías para desarrollar un modelo aeroelástico de orden reducido, entrenar un algoritmo de Aprendizaje por Refuerzo y probar sus capacidades en una simulación de alta precisión con StarCCM+.

[EN] A little theoretical background of what Artificial intelligence is, Machine Learning, and the thrilling possibilities that Deep Learning offers give way to an explanation of how Reinforcement Learning works and all its possibilities. With the basic knowledge of aeroelasticity, the idea arises to develop a Reinforcement Learning based algorithm to control the aeroelastic phenomena present in a flat plate. For this, a stack of software will be configured in which multiple technologies will get combined to develop a reduced order aeroelastic model, train a Reinforcement Learning algorithm, and test its capabilities in a high precision StarCCM+ simulation.