| KEYWORD |
Area Ingegneria
Realizzazione di un modello di calcolo predittivo, basato su logiche di autoapprendimento tramite AI, per l’ottimizzazione dimensionale delle valvole di controllo dei servocomandi primari.
Tesi esterna in azienda
Parole chiave MECCANICA APPLICATA ALLE MACCHINE, MECCATRONICA, MODELLING, SIMULAZIONE NUMERICA
Riferimenti ANTONIO CARLO BERTOLINO, ANDREA DE MARTIN, MASSIMO SORLI
Riferimenti esterni Ing. Dario Savino, Collins Aerospace
Prof. Giovanni Jacazio, Collins Aerospace
Gruppi di ricerca 14-Meccatronica e servosistemi
Tipo tesi MODELLISTICA E SIMULAZIONE
Descrizione I servocomandi primari, in particolare quelli adibiti al controllo del rotore principale e di coda degli elicotteri, tipicamente utilizzano valvole idrauliche a cassetto per controllare l’attuatore che controlla la posizione delle pale. Queste valvole devono soddisfare requisiti prestazionali molto stringenti al fine di ottenere un controllo preciso e stabile dell’elicottero in tutte le condizioni di volo.
Tali requisiti sono ottenuti principalmente durante la fase di accoppiamento del cassetto con la camicia esterna della valvola, tramite lavorazioni meccaniche di alta precisione che gradualmente asportano il materiale in eccesso. Le dimensioni finali delle parti sono quindi raggiunte per successiva approssimazione, controllando di volta in volta le caratteristiche idrauliche ottenute fino al raggiungimento del requisito.
Questo processo iterativo è molto dispendioso perché richiede di testare la valvola ripetutamente durante le fasi di lavorazione, interrompendole ogni volta. Inoltre, sussiste il rischio concreto di dover scartare la valvola se si eccede la dimensione ottimale.
L’obiettivo della tesi è quello di realizzare un modello di calcolo che permetta, partendo da una condizione geometrica iniziale nota, di determinare le dimensioni finali e quindi l’asportazione di materiale necessaria per ciascuna dimensione per ottenere le prestazioni richieste, minimizzando così le iterazioni necessarie.
Considerata la molteplicità di quote dimensionali e le possibili combinazioni delle stesse che influenzano la prestazione attesa, è necessario inserire nel modello opportuni algoritmi di autoapprendimento basati su AI che identifichino le caratteristiche dominanti e guidino l’operatore di macchina ottimizzando le lavorazioni da effettuare.
A supporto del lavoro sarà possibile accedere ai dati costruttivi di un campione di valvole ed assistere alle fasi di lavorazione ed ai test di caratterizzazione.
Tesi con tirocinio curriculare per allievi laurea magistrale in ingegneria meccanica
Durata: 8 mesi in azienda
Data di inizio: a partire da feb 2024 (previa selezione dei candidati per via telefonica o in videoconferenza)
COLLINS AEROSPACE, Piazza Arturo Graf 147, Torino, 10126
Conoscenze richieste modellazione di sistemi, sviluppo di ambienti di simulazione
Note Livello di confidenzialità: Strettamente confidenziale
Scadenza validita proposta 27/01/2025
PROPONI LA TUA CANDIDATURA