Un equipo de investigación de la Universidad Tecnológica de Graz ha desarrollado una nueva forma de mejorar la eficiencia de los motores de los aviones utilizando un modelo interno compatible con IA.
Con su estrategia Flightpath 2050, la Comisión Europea ha esbozado un marco para que la industria de la aviación reduzca las emisiones y el consumo de combustible y energía, lo que requiere motores de avión más eficientes.
El proyecto ARIADNE ha sentado las bases para lograr más rápidamente las ganancias de eficiencia deseadas. Los investigadores combinaron años de datos de flujo en conductos intermedios de turbinas con inteligencia artificial y aprendizaje automático.
Esto llevó al desarrollo de un modelo que prueba de manera más rápida y eficiente el efecto de los cambios en una amplia gama de parámetros geométricos sobre la eficiencia.
Los conductos intermedios de turbina ofrecen posibilidades de optimización
«Los conductos intermedios de las turbinas son componentes importantes de los motores de los aviones», explica Wolfgang Sanz, director de proyectos en el Instituto de Turbomáquinas Térmicas y Dinámica Mecánica de la Universidad Tecnológica de Graz.
«Guían el flujo entre turbinas de alta y baja presión que funcionan a diferentes velocidades. Sin embargo, estos conductos intermedios son muy pesados, por lo que deben ser lo más cortos, pequeños y ligeros posible y, al mismo tiempo, lograr una alta eficiencia. Todavía hay mucho potencial de optimización aquí».
El instituto ha creado una extensa base de datos de datos de medición y simulaciones de flujo basadas en investigaciones originales en colaboración con destacados fabricantes de motores de aviones.
Para aprovechar este tesoro de información para optimizar los componentes y el motor en su conjunto, el equipo, en colaboración con el grupo de investigación de Franz Wotawa en el Instituto de Ingeniería de Software e Inteligencia Artificial de la Universidad Tecnológica de Graz, y dos socios corporativos, siguieron tres enfoques diferentes impulsados por IA.
Es más probable que los modelos de pedidos reducidos produzcan motores de avión eficientes.
Los modelos de orden reducido han demostrado ser los más exitosos porque buscan similitudes en los datos y utilizan sólo las características comunes más importantes para la simulación.
Esto acelera significativamente el cálculo, realizando varios órdenes de magnitud más rápido que una simulación de flujo completo. Aunque estos modelos pueden tener cierta pérdida de precisión, se pueden vincular a simulaciones para predecir tendencias e identificar posibles optimizaciones.
Otra ventaja del modelo desarrollado de forma independiente es la capacidad de reconocer rápidamente cambios en el rendimiento de un motor de avión eficiente cuando cambian parámetros como la longitud del conducto de transición.
Por el contrario, los modelos sustitutos se basan principalmente en la interpolación de datos existentes y, por tanto, tienen ciertas limitaciones. Fuera de los datos de flujo validados, la base de datos era demasiado pequeña y los resultados eran inexactos.
El proyecto también investigó las PINN (redes neuronales informadas por la física), cuyo objetivo es integrar ecuaciones diferenciales físicas en redes neuronales.
Sin embargo, es necesario seguir desarrollándolo antes de que pueda utilizarse en la práctica para probar modelos de aviones más eficientes.
Próximos pasos: desarrollo de simulación 3D
El equipo de investigación ya está planificando los próximos pasos, ya que hasta ahora el modelo de orden reducido solo ha modelado el conducto intermedio de la turbina en dos dimensiones.
La extensa base de datos de conductos de turbinas y modelos de bajo orden desarrollados en este proyecto se pondrá a disposición online de otros grupos de investigación para trabajar en modelos de simulación tridimensional de motores de aviones.
Pero para Sanz, aprovechar el aprendizaje automático ya está abriendo nuevos enfoques.
“Los resultados de nuestro enfoque de aprendizaje automático nos permitieron reconocer dependencias y tendencias que de otro modo nunca hubiéramos considerado”, concluyó.
Source link
