CFD e IA Ottimizzano il Posizionamento dei Sensori per Perdite di Idrogeno nei Garage

È stato sviluppato un nuovo quadro computazionale che combina CFD, algoritmi genetici e un surrogato neurale DeepSets per migliorare il posizionamento dei sensori per la rilevazione di perdite di idrogeno in spazi confinati. Questa ricerca ha creato un database CFD comprendente 180 scenari all'interno di un garage di dimensioni 50 m x 30 m x 3 m, esaminando varie posizioni di perdita, portate (da 1 a 150 g/s) e condizioni di ventilazione (ACH tra 3 e 10 all'ora). L'algoritmo genetico multi-obiettivo ha raggiunto un tasso di rilevamento del 96,1% in meno di 60 secondi e ha ridotto al minimo i punti ciechi allo 0,12%, superando i metodi tradizionali uniformi, casuali e basati su surrogati. Questo approccio innovativo affronta i problemi di sicurezza nelle infrastrutture per l'idrogeno nei veicoli a celle a combustibile, in contrasto con gli attuali sistemi di monitoraggio reattivi.