ИИ создает детали двигателей: превосходство над человеческим дизайном

Исследователи из Пусанского национального университета применили передовые методы генеративного искусственного интеллекта для создания инновационных и высокопроизводительных героторных насосов. Эти устройства демонстрируют значительно возросшую эффективность и сниженный уровень шума по сравнению с традиционными инженерными решениями. Этот прорыв подчеркивает преобразующий потенциал ИИ в автомобильной инженерии, открывая путь к созданию более умных, тихих и надежных двигательных систем.

Героторные насосы играют ключевую роль в системах циркуляции масла и смазки автомобилей и гидравлического оборудования. Их компактность, высокая производительность на оборот и отличные всасывающие свойства делают их незаменимыми. Особое значение для общей производительности гидравлических систем, отвечающих за смазку двигателя и автоматическую трансмиссию, имеет профиль зубчатого венца геротора.

К сожалению, традиционные методы проектирования опираются на заранее заданные математические кривые и итеративные корректировки, что существенно ограничивает возможности их оптимизации.

Разработка метода проектирования на основе ИИ

Команда инженеров из Школы механической инженерии Пусанского национального университета под руководством профессора Чула Кима представила новый подход к проектированию. Результаты их исследования опубликованы в журнале Engineering Applications of Artificial Intelligence.

Ключевым элементом этой работы стало использование искусственного интеллекта, а именно условной генеративно-состязательной сети (GAN), в качестве инструмента проектирования. Вместо применения традиционного подхода с использованием предопределенных математических кривых, исследователи обучили ИИ самостоятельно генерировать новые профили героторов.

ИИ обучался на наборе данных, который связывал конкретные высокопроизводительные геометрии профилей с их фактическими показателями эффективности. Это позволило системе понять, почему определенные формы работают лучше других, и затем генерировать новые, высокооптимизированные геометрии, значительно превосходящие по производительности традиционные конструкции.

Повышение производительности и влияние на реальный мир

Команда продемонстрировала, что разработанный ими новый дизайн, сгенерированный ИИ, показывает существенные улучшения производительности. Это было подтверждено в ходе симуляций с использованием вычислительной гидродинамики (CFD).

По сравнению с традиционным овоидным профилем, предложенная конструкция обеспечила 74,7% снижение неравномерности потока. Это означает, что производительность насоса стала значительно более стабильной и равномерной. Также наблюдалось 32,3% увеличение средней скорости потока, что указывает на повышение объемной эффективности, и 53,6% снижение пульсаций давления на выходе, что напрямую способствует более тихой работе и уменьшению вибрации.

Наиболее непосредственное применение данной разработки — автомобильная промышленность. Снижение пульсаций давления и неравномерности потока здесь крайне выгодно. Это может привести к более тихой работе трансмиссий и потенциально повысить надежность компонентов за счет уменьшения вибрации и нестабильных гидравлических нагрузок.

Более того, 32,3% увеличение средней скорости потока обеспечивает более эффективную циркуляцию масла по всему двигателю. Это способствует лучшему смазыванию и охлаждению компонентов двигателя, что критически важно для его долговечности.

Будущий потенциал и более широкие области применения

Профессор Ким отметил: «Те же принципы, что были продемонстрированы в нашем исследовании, применимы к различным гидравлическим насосам, используемым в промышленном оборудовании, где важны эффективность, низкий уровень шума и надежность. Это делает нашу технологию весьма перспективной для реального внедрения».

В ближайшие пять-десять лет подобные методы могут стать стандартным инструментом для инженеров. Это знаменует собой переход к «обратному проектированию», когда инженер сможет задать желаемые целевые показатели производительности, например, «минимизировать пульсации давления», и ИИ поможет сгенерировать оптимальную геометрию для достижения этих целей.

Кроме того, этот подход может ускорить цикл исследований и разработок сложных механических компонентов. Он позволяет исследовать гораздо более широкое проектное пространство, чем это возможно при традиционной ручной итерации.

«Для общественности внедрение более оптимальных компонентов может означать, что используемые нами ежедневно машины станут тише и надежнее. В автомобильном секторе это выразится в создании транспортных средств с более эффективными и долговечными гидравлическими системами, такими как трансмиссии и масляные насосы», — заключает профессор Ким.