Flight Control of Flapping-Wing Micro Air Vehicles Using CFD Simulations and Reinforcement Twinning
- Promovendus/a
- Poletti, Romain
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Elektromechanica, Systeem- en Metaalengineering
- Curriculum
- Master : ingénieur civil électromécanicien, Université catholique de Louvain, 2017
- Academische graad
- Doctor in de ingenieurswetenschappen: werktuigkunde-elektrotechniek
- Taal proefschrift
- Engels
- Promotor(en)
- prof. Joris Degroote, vakgroep Elektromechanica, Systeem- en Metaalengineering - prof. Miguel Alfonso Mendez, von Karman Institute for Fluid Dynamics - dr. Lilla Kapa-Koloszár, von Karman Institute for Fluid Dynamics
- Examencommissie
- voorzitter prof. Luc Dupré (gewezen voorzitter Commissie Wetenschappelijk Onderzoek) - prof. Thomas Andrianne, Université de Liège - prof. Camli Badrya, University of California, Davis (VS) - prof. Guillaume Crevecoeur, vakgroep Elektromechanica, Systeem- en Metaalengineering - prof. Emanuele Garone, Université libre de Bruxelles - prof. Benoît Marinus, vakgroep Elektromechanica, Systeem- en Metaalengineering - promotor prof. Joris Degroote, vakgroep Elektromechanica, Systeem- en Metaalengineering - promotor prof. Miguel Alfonso Mendez, von Karman Institute for Fluid Dynamics - promotor dr. Lilla Kapa-Koloszár, von Karman Institute for Fluid Dynamics
Korte beschrijving
De opmerkelijke vluchten van vogels en insecten hebben geleid tot de ontwikkeling van Flapping-Wing Micro Air Vehicles (FWMAV's). Hoewel deze kleine drones veelbelovend zijn voor toepassingen zoals zoek- en reddingsacties, slagen ze er nog niet in om de uitzonderlijke vliegmanoeuvres van biologische vliegers te evenaren. Uit stromingsveldanalyses bleek dat de vliegprestaties sterk worden beïnvloed door complexe aerodynamische verschijnselen, waaronder de interactie tussen het lichaam van de drone en zijn vleugels, en de flexibiliteit van de vleugels. Deze analyses waren gebaseerd op zeer nauwkeurige simulaties die ook werden gebruikt om vereenvoudigde modellen te ontwikkelen met behulp van machinaal leren. Deze modellen hebben het voordeel dat ze weinig rekenkracht vergen en werden opgenomen in een optimalisatieraamwerk dat is ontworpen om de drone te leren vliegen. Een gissen-en-missen-aanpak, die overeenkomsten vertoont met hoe vogels leren vliegen, werd gecombineerd met een methode waarbij de vereenvoudigde modellen werden gebruikt om op efficiënte wijze de optimale vleugelbewegingen te identificeren. Dit onderzoek heeft een uitgebreide reeks rekenmodellen opgeleverd die de vlucht van FWMAV's nauwkeurig kunnen repliceren, analyseren en verbeteren. Het heeft daarmee bijgedragen aan het overbruggen van de kloof tussen drones en hun natuurlijke tegenhangers.
Praktisch
- Datum
- Dinsdag 19 augustus 2025, 16:00
- Locatie
- auditorium 1, iGent (eerste verdieping), Technologiepark 15, 9052 Zwijnaarde
- Livestream
- Volg online
Gegevens livestream: Meeting ID: 312 507 066 366 5 en Paswoord: be9wj2Gx
Meer info
- Contact
- doctoraat.ea@ugent.be