27 februari 2026
AI möjliggör tillförlitliga flödesmätningar i realtid
Artificiell intelligens kan göra avancerade flödesmätningar både snabbare och mer tillförlitliga. Ny forskning visar hur djupinlärning kan användas för att analysera flöden, det vill säga hur vätskor och gaser rör sig i realtid, på ett detaljerat sätt. Det kan bidra till effektivare energisystem, minskat slitage i maskiner och färre oväntade driftstopp.
Att mäta hur vätskor och gaser rör sig är centralt inom många teknikområden, bland annat energi, fordonsindustri, flyg och processindustri. I laboratoriemiljöer används ofta partikelbildhastighetsmätning, PIV, för att kartlägga sådana flöden, men de stora och detaljerade datamängder som metoden genererar är svåra att analysera med traditionella verktyg.
I sin avhandling har Yuvarajendra Anjaneya Reddy, doktorand i experimentell mekanik vid Luleå tekniska universitet, undersökt hur artificiell intelligens kan användas för att tolka dessa data på ett mer robust sätt. Ett centralt fokus har varit att utveckla så kallade end-to-end-metoder som inte bara är snabba, utan också följer de fysikaliska lagar som styr flöden.
– När artificiell intelligens byggs med tydlig fysisk förankring kan den fungera som ett tillförlitligt mätverktyg i stället för en svart låda, säger Yuvarajendra Anjaneya Reddy.
Mer tidsmässigt sammanhängande flödesfält
Avhandlingen visar hur nya AI-baserade modeller kan rekonstruera flödesfält med hög precision även under krävande mätförhållanden, som stark skjuvning, separation och låg signalnivå. Genom att kombinera rumslig och tidsmässig information från flera bildrutor i följd blir resultaten jämnare, mer fysiskt rimliga och har högre upplösning än med konventionella metoder.
Att ta hänsyn till hur flödet utvecklas över tid är avgörande för att minska brus och mätfel, särskilt när resultaten ska användas för övervakning eller styrning inom industrin.
– Tidsmässigt sammanhängande mätdata är nödvändigt om resultaten ska kunna användas i realtid, säger Yuvarajendra Anjaneya Reddy.
Yuvarajendra Anjaneya Reddy, doktorand i experimentell mekanik vid Luleå tekniska universitet.
Användbart för industri och digitala tvillingar
De metoder som utvecklats i avhandlingen kan få stor betydelse för industriella tillämpningar där flöden behöver övervakas kontinuerligt. Det kan till exempel handla om kylning i energisystem, aerodynamiska tester eller tidig upptäckt av avvikelser som annars riskerar att leda till ineffektiv drift eller systemfel.
Forskningen är också relevant för utvecklingen av digitala tvillingar, där virtuella modeller uppdateras löpande med mätdata från fysiska system i realtid. Med mer tillförlitliga flödesmätningar i realtid kan sådana modeller bli både mer exakta och mer autonoma.
– På sikt kan det här bidra till smartare sensorer och system som anpassar sig direkt efter hur flöden faktiskt beter sig i verkligheten, säger Yuvarajendra Anjaneya Reddy.