D3T4H2S - Home

Programul Europe Horizon - LEAP-RE: COFUND-LEAP-RE-D3T4H2S

Contract de finantare pentru executie de proiecte nr. 11/2024.

Buget total: 425 000 Euro. Perioada de implementare: 1 Septembrie 2023 - 14 Februarie 2026.

Buget UDJG: 55 000 Euro.

echipa de cercetători de la UGAL: Parteneri internaționali:
1. Viorel MINZU - Director proiect UGAL cv - S VERTICAL: Medium Entreprise, France (COORDONATOR)
2. Eugen RUSU - Cercetător cv - University of South Africa, UNISA
3. Ana CHIROSCA - Cercetător postdoctoral cv - International University of Rabat, Moroco
4. Magduta CHIVU – Responsabil Financiar - École Nationale Supérieure de Techniques Avancées Bretagne, France
- University of Hassan II Casablanca (UH2C)

obiective de cercetare specifice UGAL:
- Elaborarea de modele de tip Machine Learning pentru materiale compozite folosite la fabricarea de tankuri de hidrogen care să permită și analiza defectelor din structură.

Obiectivele proiectului

Piața hidrogenului verde va crește probabil semnificativ în următorii ani, deoarece există o cerere mai mare de surse de energie curată, iar guvernul face mai multe eforturi pentru a construi un mediu durabil. Hidrogenul ar putea fi o parte vitală a unui sistem energetic durabil în viitor, deoarece poate contribui la eliminarea carbonului din sectorul transporturilor. Descoperirile din domeniul științei materialelor și al inteligenței artificiale (AI) conduc la multe științe și tehnologii noi, cum ar fi tehnologiile ecologice ale hidrogenului. Aceste tehnologii încearcă să răspundă provocării de a reduce emisiile de dioxid de carbon pentru a contribui la combaterea schimbărilor climatice și a crizei energetice. Așadar, este clar că AI este o modalitate de a face mediul mai sustenabil. Proiectul abordează o provocare globală în atingerea obiectivelor de energie curată și la prețuri accesibile prin proiectarea unui recipient de stocare la scară mică, în colaborare cu SVERTICAL (un partener industrial). Complexitatea subiectului este strâns legată de numeroase aspecte care implică știința materialelor, termomecanica structurală și proiectarea structurii. Tratarea holistică a acestor aspecte depășește posibilitățile unui singur proiect de cercetare. Astfel, atenția se va concentra în principal asupra elaborării unei poliamide 12 hibride armată cu fibre de carbon și dopată cu nanotuburi de carbon pentru proiectarea de vase compozite criogenice ultraușoare (ULCCV) și asupra studiului la scară și multifizicitate al comportamentului său pe termen lung la temperaturi criogenice, al performanțelor sale de permeabilitate și al problemei inițierii și propagării daunelor. Ambiția candidaților pentru acest domeniu principal este de a dezvolta materiale de bază pentru ULCCV care să asigure integritatea structurală și o rezistență adecvată la microfisuri în fața unor substanțe chimice, termice și mecanice dure, precum și dezvoltarea unui instrument expert pentru o mai bună gestionare a ciclului de viață și o întreținere predictivă precisă, permițând reducerea costurilor și menținerea unui avantaj competitiv pentru aplicațiile pe bază de hidrogen. Aceasta din urmă are sens în digitalizare prin dezvoltarea de gemeni digitali și/sau hibrizi dedicați predicției și corecției în timp real.

PREZENTARE SUCCINTĂ A REZULTATELOR OBȚINUTE

Contract nr. 11/2024 din 21.03.2024

UN MODEL DIGITAL BAZAT PE DATE PENTRU RECIPIENTE DE STOCARE A HIDROGENULUI RĂSPUNZÂND PROVOCĂRILOR DE TRANZIȚIE ENERGETICĂ
Proiect COFUND-LEAP-RE D3T4H2S

Colectivul de cercetători ai Universităţii "Dunărea de Jos" din Galaţi (partener UGAL) a făcut parte alături de alte cinci colective, S Vertical (Medium Entreprise - Franța), ENSTA Bretagne Université internationale de Rabat , Université Hassan II Casablanca , și University of South Africa dintr-un consorțiu care și-a asumat realizarea acestui proiect.

Obiectivul principal al colectivului UGAL a fost de a realiza părți din modelul bazat pe date al recipientelor de stocare a hidrogenului, la care s-a angajat consorțiul. Mai concret, UGAL și-a asumat două mari obiective prin pachetele de activități:
- Elaborarea de modele de predicție a comportamentului mecanic al materialelor compozite folosite la fabricarea tancurilor de transport al hidrogenului;
- Elaborarea de tehnici de optimizare însoțite de programele aferente care să poată fi utilizate la proiectarea optimală a structurii materialelor compozite folosite la fabricarea recipientelor de stocare.

Toate activitățile de cercetare desfășurate de UGAL se pot încadra, ca metodă de lucru, în zona "studiu simulat". Acest studiu a avut ca obiectiv dezvoltarea de metode de aplicare a inteligenței artificiciale în cele două zone de interes.

Modelele de predicție ale comportamentului mecanic al materialelor compozite au fost construite utilizand algoritmi de învățare automată (machine learning). Modelele care au dovedit în general o acuratețe mai mare în predicție au fost cele bazate pe rețele neuronale (Regressive Neural Networks).

În cazul unei familii de materiale compozite ce înglobau toate aceeași caracteristică (același tip de fibra de carbon), s-a dovedit că se poate realiza un singur model de predicție. Acest unic model prezintă avantajul că necesită un volum de date mai mic pentru instruirea rețelei neuronale, decât suma datelor necesare pentru fiecare material din familie.

Cea de a doua axă de cercetare privind optimizarea structurii materialelor compozite a pornit de la observația că au fost dezvoltate modele de predicție mare acuratețe care pot înlocui modelele fizice în problemele de optimizare. Implementarea lor este și foarte rapidă.

A fost tratată problema optimizării structurii unor materiale laminate compozite cu 16 straturi de diferite orientări (unghiuri) în raport cu direcția de încărcare principală. Problema aflării structurii optime constă în a gasi orientările celor 16 straturilor care duc la un comportament dorit la tracțiune. Este o problemă de complexitate calculatorie mare. De aceea este nevoie sa se utilizeze algoritmi stochastici cum sunt algoritmii metaeuristici, ca de exemplu optimizarea cu roiuri de particule (Particle Swarm Optimization – PSO).

Soluția este o noua metodă de optimizare a structurii acestor materiale compozite prin simbioza dintre PSO și algoritmii de învățare automată (machine learning) utilizați la predicția comportamentului mecanic. A fost propusă o structură de optimizare, pe care am numit-o Optimization Framework (OFW), formată din două module, unul conținând o variantă îmbunătățită a PSO și celălalt modelul rezultat din învățarea automată. Cu ajutorul OFW au fost rezolvate două studii de caz privind structura optimă a laminatelor compozite. Metoda s-a arătat precisă și eficientă.

Rezultatele au fost prezentate în:
- 5 rapoarte de cercetare înaintate coordonatorului și în
- 5 articole (dintre care 4 ISI, 3 de nivel Q2) publicate în reviste de specialitate cu mare vizibilitate.

REZULTATE OBȚINUTE ÎN ETAPA 1 - 2024

În planul de realizare a proiectului, în prima etapă (martie - decembrie 2024), ne-am angajat la obținerea următoarelor rezultate:

1. Modele de tip machine-learning (ML) ce caracterizează comportamentul termo-mecanic al materialelor compozite

În cadrul activitatilor 1.2 si 1.3 au fost realizate și validate modelele de machine-learning (ML) ce caracterizează comportamentul termo-mecanic al materialelor compozite. Aceste modele sunt descrise în studiul intitulat:

"Machine Learning models' construction for the load behavior of composite materials in the undamaged zone - Report of UGAL for the project Leap-Re D3T4H2S." [link]

Acest studiu a fost prezentat în meetingurile online şi înaintat coordonatorului consortiului, Mourad Nachtane, de la societate S VERTICAL pentru a fi accesibil tuturor partenerilor din proiectul D3T4H2S. Modelele de Machine Learning elaborate au fost realizate și validate la nivel informatic utilizând sistemul MATLAB. Studiul de mai sus face apel la multiplele programe cuprinse în arhiva și bine comentate pentru a fi utilizate. Aceste programe confera și o modalitate de verificare a modelelor de tip ML.

Raportarea științifică rezumativă adresată UEFISCDI este prezentată în documentul "RAPORTARE ȘTIINȚIFICĂ etapa anuală 2024". [link]

2. Studii publicabile în reviste/volume conferințe naționale/internaționale

Acest studiu este publicat în articolul ISI (WOS):

Machine Learning Algorithms That Emulate Controllers Based on Particle Swarm Optimization - An Application to a Photobioreactor for Algal Growth.
Processes 2024, 12, 991.
https://https://doi.org/10.3390/pr12050991;
Impact Factor 2.8; (WOS SCIE Q2); Citescore: 5.1 (Q2)
Special Issue: Industrial Process Operation State Sensing and Performance Optimization
Published: 13 May 2024

În plus, s-a mai realizat un studiu publicat în articolul ISI (WOS):

Green Hydrogen—Production and Storage Methods: Current Status and Future Directions.
Energies 2024, 17, 5820;
https://https://doi.org/10.3390/en17235820;
Impact Factor 3 (WOS SCIE Q2); Citescore: 6.2 (Q2).
Section A5: Hydrogen Energy
Published: 21 November 2024

REZULTATE OBȚINUTE ÎN ETAPA 2 - 2025

În planul de realizare a proiectului, în a doua etapă (ianuarie - decembrie 2025), ne-am angajat la obținerea următoarelor rezultate:

1. Rapoarte științifice

Rezultatele subactivităților A1 – A5 din etapa a 2-a sunt prezentate în următorul raport de cercetare:
"Implementation aspects of stress-strain characteristics regression models for composite materials" [link]

Rezultatele subactivităților A6 - A8 din etapa a 2-a sunt prezentate în raportul de cercetare 2:
"Implementation of Machine Learning Models for Composite Materials with the Same Carbon Fiber but Different Matrices" [link]

Rezultatele activităților A9 - A12 din etapa a 2-a sunt prezentate în urmatorul raport de cercetare 3:
"Contributions to the Optimization of Multilayer Composite Laminate Structures Using Particle Swarm Optimization and Machine Learning"

Raportarea științifică rezumativă adresată UEFISCDI este prezentată în documentul "RAPORTARE ȘTIINȚIFICĂ etapa anuală 2025". [link]

2. Studii publicabile în reviste/volume conferințe naționale/internaționale

Acest studiu este publicat în articolul ISI (WOS):

Machine Learning Predictions for the Comparative Mechanical Analysis of Composite Laminates with Various Fibers.
Processes 2025, 13, 602.
https://https://doi.org/10.3390/pr13030602;
Impact Factor 2.8; (WOS SCIE Q2); Citescore: 5.1 (Q2)
Special Issue: Application of Artificial Intelligence in Industrial Process Modelling and Optimization
Published: 20 February 2025

În plus, s-a mai realizat un articol publicat într-o revistă indexată în baze de date relevante:

A New Method to Predict the Mechanical Behavior for a Family of Composite Materials.
Journal of Materials Science and Chemical Engineering 2025, 13, 128-154;
https://https://doi.org/10.4236/msce.2025.13900;
Published: 9 September 2025

Un alt studiu este în curs de evaluare într-o revista ISI (WOS):

Optimal Structure Determination for Composite Laminates Using Particle Swarm Optimization and Machine Learning.
Impact Factor 1.7; (WOS); Citescore: 6.1

Lucrări publicate

2024

A. Lucrări publicate în reviste internaționale

Minzu, V.; Arama, I.; Rusu, E., 2024, Machine Learning Algorithms that Emulate Controllers based on Particle Swarm Optimization - An Application to a Photobioreactor for Algae Growth Processes 2024, 12, 991. https://https://doi.org/10.3390/pr12050991; (Q2, IF=2.8);
Chirosca, A.-M.; Rusu, E.; Minzu, V., 2024, Green Hydrogen—Production and Storage Methods: Current Status and Future Directions Energies 2024, 17, 5820. https://https://doi.org/10.3390/en17235820; (Q2, IF=3.0);

2025

A. Lucrări publicate în reviste internaționale

Brayek, B.E.B.; Sayed, S.; Mînzu*, V.; Tarfaoui, M. 2025, Machine Learning Predictions for the Comparative Mechanical Analysis of Composite Laminates with Various Fibers Processes 2025, 13, 602. https://https://doi.org/10.3390/pr13030602; (Q2, IF=2.8);
Mînzu, V.; Arama, I., 2025, A New Method to Predict the Mechanical Behavior for a Family of Composite Materials Journal of Materials Science and Chemical Engineering, 2025, 13, 128-154. https://https://doi.org/10.4236/msce.2025.13900;
Optimal Structure Determination for Composite Laminates Using Particle Swarm Optimization and Machine Learning (în curs de evaluare într-o revistă ISI (WOS)) (IF=1.7);

B. Lucrări prezentate și publicate în volumul unor conferințe internaționale

SGEM International Scientific Conferences on Earth & Planetary Science, Extended Scientific Sessions GREEN SCIENCES FOR GREEN LIFE. Schönbrunn Palace, Vienna 03 - 06 December 2025

https://sgemviennagreen.org/index.php

Chirosca, A-M.

Rusu, E.