Um novo modelo de aprendizagem profunda para facilitar o design de aeronaves sustentáveis

A paixão do professor da EPFL por voos sustentáveis ​​e a experiência em aprendizado de máquina e visão computacional impulsionam a inovação no design de aviação verde e muito mais.

A otimização da forma aerodinâmica (ASO) é uma técnica chave no projeto aerodinâmico que visa melhorar o desempenho físico de um objeto enquanto adere a restrições específicas.

Para otimizar uma forma 3D, é necessário representá-la em termos de uma série de parâmetros que podem ser alimentados ao otimizador. Uma maneira padrão de fazer isso é usar uma técnica conhecida como Deformações de Forma Livre (FFD). Infelizmente, isso requer extensa intervenção manual e, mesmo quando usado por um especialista no domínio, muitas vezes é necessária muita tentativa e erro para acertar.

Mapeamento Geométrico Profundo

Agora, investigadores do Laboratório de Visão Computacional (CVLab), da Escola de Ciências da Computação e da Comunicação (IC), em colaboração com colegas do ISAE-SupAero na França, desenvolveram o modelo DeepGeo, uma abordagem totalmente automatizada baseada em rede neural para gerar a parametrização necessária para geometrias complexas.

“O DeepGeo desempenha a mesma função que o FFD, mas utiliza desenvolvimentos recentes em aprendizagem profunda para eliminar a necessidade de ajustes humanos. Ele encontra os parâmetros apropriados, que são então usados ​​para otimizar o projeto da aeronave. Não é mais necessário gastar meses para defini-lo. com boa parametrização”, explicou o professor Pascal Fua, chefe do CV Lab.

O DeepGeo também adapta a modelagem de malhas volumétricas – o domínio computacional discretizado que envolve o objeto alvo – à medida que sua forma muda durante a otimização. Essas malhas volumétricas são necessárias para realizar os cálculos necessários de Dinâmica de Fluidos Computacional e automatizar sua deformação reduz ainda mais a carga de trabalho dos projetistas.

Por ser inovador e potencialmente transformacional, o artigo correspondente, DeepGeo: Deep Geometric Mapping for Automated and Effective Parameterization in Aerodynamic Shape Optimization, ganhou recentemente o prêmio de melhor artigo de estudante na maior conferência de aeronáutica do ano, o American Institute of Aeronautics and Astronautics Forum. '24.

Ele descreve como o DeepGeo é baseado em técnicas de aprendizagem geométrica profunda sem exigir conjuntos de dados de treinamento em grande escala. Vários estudos de caso realizados pelos pesquisadores, incluindo otimização 2D do círculo para o aerofólio, otimização de asas CRM 3D e otimização de aeronaves 3D Blended-Wing-Body, demonstram a eficácia e robustez do DeepGeo. Ele oferece desempenho comparável ao FFD por uma fração do custo em termos do esforço exigido pelos projetistas humanos.

“Ao eliminar a necessidade de conjuntos de dados extensos e ajuste de hiperparâmetros, o DeepGeo reduz significativamente a complexidade e o custo da implementação e nossa pesquisa destaca seu potencial para automatizar o ASO, tornando-o mais acessível e eficiente”, acrescentou Zhen Wei, assistente de doutorado no CV Lab e primeiro autor no papel.

Uma paixão pessoal que impulsiona o design de aviação verde

Para Fua, seu esforço para otimizar o design de aviação verde vai além do laboratório. Ele é um piloto de planador apaixonado e recentemente participou de uma viagem com planadores motorizados de Chambéry, na França, a Ourzazate, no Marrocos.

Embora a aventura tenha sido muito divertida, Fua monitorizou constantemente a sustentabilidade da viagem e usou a sua experiência amadora “no ar” como inspiração para novas ideias de investigação. A expedição voava a maior parte do tempo e usava os motores com moderação. Percorreu mais de 5.000 km consumindo menos de 3 litros de combustível por 100 km.

“Para uma aviação mais sustentável, o jogo consiste essencialmente em mudar a forma das aeronaves para reduzir o arrasto. Este é um problema antigo, que existe desde sempre”, explicou Fua. “Daqui para frente, queremos usar primeiro o DeepGeo em modelos de planadores usados ​​para competições da FAI. Como eles precisam atender a tantos requisitos contraditórios e ao mesmo tempo serem razoavelmente baratos de construir, eles são uma plataforma de teste maravilhosa para nossa tecnologia.”

Além da aviação sustentável

Embora os modelos de planadores forneçam uma demonstração do que o DeepGeo pode fazer, há um panorama muito mais amplo: esta pesquisa trata da otimização do design e da eficiência para jatos comerciais e companhias aéreas de passageiros – aviões com motores – e uma ampla gama de aplicações além.

Além do campo da aeronáutica, o projeto simultâneo automatizado de formas que interagem, como componentes contíguos de automóveis ou partes internas de turbinas, é um problema generalizado e aberto. Um dos objetivos de longo prazo de Fua é revolucionar a forma como objetos compostos, cujas partes podem ter formas ou topologias arbitrárias, são modelados, manipulados e otimizados, impondo restrições de design em partes individuais e restrições de compatibilidade entre essas partes.

“O DeepGeo oferece uma solução promissora para parametrização geométrica complexa no campo da otimização de formas aerodinâmicas. O trabalho futuro nesta direção será fundamental no projeto de máquinas com eficiência energética num momento em que minimizar o impacto da humanidade no meio ambiente se tornou uma preocupação crítica”, Fua concluiu.