The present symposium describes the advantages of using Machine Learning methods within the turbomachinery and CAE analysis, highlighting the benefits of such techniques in terms of both design time and expected performance.

Three main topics will be addressed:

1. Turbomachinery blade optimization with ML techniques (application to Rotor 37 and centrifugal compressor datasets): automatic parameterization of 3D geometries through variational autoencoders, performance prediction through neural networks and optimization with ML algorithms;
2. Airfoil self-noise forecasting: sound pressure level for different size NACA 0012 airfoils at various wind tunnel speeds and angles of attack. Testing of different ML models, description of accuracy achieved, highlighting of the design parameters with the greatest influence;
3. Surrogate models creation for CAE analyses: use of historical or experimental data from previous design cycles to speed up product development (thermal and structural analyses FEA).

Il presente simposio descrive i vantaggi dell'utilizzo di metodi di Machine Learning nell'ambito delle turbomacchine e dell'analisi CAE, evidenziando i benefici di tali tecniche sia in termini di tempi di progettazione che di prestazioni attese.

Verranno affrontati tre argomenti principali:

1. Ottimizzazione delle pale delle turbomacchine con tecniche di ML (applicazione a Rotor 37 e a dataset di compressore centrifugo): parametrizzazione automatica di geometrie 3D attraverso autoencoder variazionali, previsione delle prestazioni attraverso reti neurali e ottimizzazione con algoritmi di ML;
2. Previsione del self-noise di profili aerodinamici: livello di pressione sonora per profili NACA 0012 di diverse dimensioni a varie velocità e angoli di attacco. Test di diversi modelli ML, descrizione dell'accuratezza raggiunta, evidenziazione dei parametri di progettazione con maggiore influenza;
3. Creazione di modelli surrogati per analisi CAE: utilizzo di dati storici o sperimentali provenienti da serie di dati e cicli di progettazione precedenti per accelerare lo sviluppo del prodotto (analisi termiche e strutturali FEA).