D3T4H2S

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.

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. Studiu publicabil în revistă/volum conferință națională/internațională

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. Studiu publicabil în revistă/volum conferință națională/internațională

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

Abstract: This article addresses the complex behavior of composite laminates under varied layer orientations during tensile tests, focusing on carbon fiber and epoxy matrix composites. Data characterizing the mechanical load behavior is obtained using twelve composite laminates with different layer orientations and the DIGIMAT-VA software. First, this data was used to elaborate a complex comparative analysis of composite laminates from the perspective of materials science. Composite laminates belong to three classes: unidirectional, off-axis-oriented, and symmetrically balanced laminates, each having a specific behavior. From the perspective of designing a new material, a prediction model that is faster than the finite element analysis is needed to apply this comparative analysis's conclusions. As a novelty, this paper introduces several machine learning prediction models for composite laminates with 16 layers arranged in different orientations. The Regression Neural Network model performs best, effectively replacing expensive tensile test simulations and ensuring good statistics (RMSE=34.385, R2=1, MAE=19.829). The simulation time decreases from 34.5 sec (in the case of finite element) to 0.6 sec. The prediction model returns the stress-strain characteristic of the elastic zone given the new layer orientations. These models were implemented in the MATLAB system, and their running proved good models' generalization power and accuracy. Even specimens with randomly oriented layers were successfully tested.

Lucrari publicate

2024

A. Lucrari publicate in reviste internationale
1. 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);
2. 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. Lucrari publicate in reviste internationale
1. Brayek, B.E.B.; Sayed, S.; Mînzu, V, 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);

D3T4H2S - Workshop

D3T4H2S - Diplome

1. Viorel Minzu si Eugen RUSU, “Certificate of acceptance for the manuscript (processes-2999578) titled: Machine Learning Algorithms that Emulate Controllers based on Particle Swarm Optimization - An Application to a Photobioreactor for Algae Growth”
2. Ana Maria Chirosca, Eugen Rusu si Viorel Minzu, “Certificate of publication for the article titled: Green Hydrogen—Production and Storage Methods: Current Status and Future Directions”
3. Baha Eddine Ben Brayek, Sirine Saye, Viorel Minzu si Mostapha Tarfaoui, “Certificate of publication for the article titled: Machine Learning Predictions for the Comparative Mechanical Analysis of Composite Laminates with Various Fibers”

D3T4H2S - Anunturi