| KEYWORD |
16-ASTRA: Additive manufacturing for Systems and sTRuctures in Aerospace
Sviluppo di un algoritmo di machine learning per il controllo della spinta direzionale in ugello aerospaziali
Parole chiave AEROSPAZIO, CONTROLLO TRAIETTORIA, MACHINE LEARNING, DEEP LEARNING, OTTIMIZZAZIONE
Riferimenti CARLO GIOVANNI FERRO, PAOLO MAGGIORE, BARTOLOMEO MONTRUCCHIO
Riferimenti esterni matteo dallavedova
antonio marceddu
alessandro aimasso
matteo bertone
Gruppi di ricerca 16-ASTRA: Additive manufacturing for Systems and sTRuctures in Aerospace
Tipo tesi SIMULATIVA E PROGETTUALE
Descrizione Questa tesi mira a sviluppare e validare un algoritmo di machine learning per il controllo della spinta direzionale negli ugelli aerospaziali a propellente solido. L'obiettivo è velocizzare il sistema di previsione della manovra da effettuare per raggiungere il punto target mantenendo precisione ed efficienza inalterate.
Per tutta la durata della tesi, lo studente/la studentessa sarà seguito dai dott. Carlo Ferro e Antonio Marceddu e dai proff. Bartolomeo Montrucchio e Paolo Maggiore. Al termine della tesi, è previsto che lo studente/la studentessa migliori le sue competenze di programmazione, unitamente alla sua capacità di lavorare su progetti di media complessità.
Per maggiori informazioni, si prega di contattare tutti i docenti alle seguenti e-mail:
bartolomeo.montrucchio@polito.it
carlo.ferro@polito.it
antonio.marceddu@polito.it
alessandro.aimasso@polito.it
matteo.bertone@polito.it
paolo.maggiore@polito.it
matteo.dallavedova@polito.it
Scadenza validita proposta 07/03/2025
PROPONI LA TUA CANDIDATURA