La passione di un professore dell’EPFL per l’aviazione sostenibile, unita alla sua esperienza nell’apprendimento automatico e nella visione computerizzata, sta guidando l’innovazione nella progettazione di aerei sostenibili.
L’ottimizzazione della forma aerodinamica (ASO) è una tecnica chiave nella progettazione aerodinamica. Il suo scopo è migliorare le prestazioni fisiche di un oggetto rispettando vincoli specifici.
Per ottimizzare una forma 3D, è necessario rappresentarla in termini di una serie di parametri che possono essere passati all’ottimizzatore. Un modo standard per farlo è utilizzare una tecnica chiamata deformazione a forma libera (FFD). Sfortunatamente, questa tecnica richiede un notevole intervento manuale e, anche se utilizzata da un esperto del settore, spesso richiede molte prove ed errori per ottenere un risultato soddisfacente.
Mappatura geometrica profonda
Gli scienziati del Computer Vision Laboratory (CVLab), parte della Facoltà di Informatica e Comunicazione (IC), in collaborazione con i colleghi dell’ISAE-SupAero in Francia, hanno appena sviluppato il modello DeepGeo, un approccio completamente automatizzato basato su una rete neurale per generare la parametrizzazione necessaria per le geometrie complesse.
"DeepGeo svolge la stessa funzione di FFD, ma utilizza i recenti sviluppi dell’apprendimento profondo per eliminare la necessità di intervento umano. L’algoritmo trova i parametri giusti, che vengono poi utilizzati per ottimizzare il progetto del velivolo. Non è più necessario passare mesi a trovare i parametri giusti", spiega il professor Pascal Fua, responsabile del CV Lab.
DeepGeo adatta anche la modellazione delle maglie volumetriche - il dominio di calcolo discretizzato che circonda l’oggetto di destinazione - al variare della sua forma durante l’ottimizzazione. Queste maglie volumetriche sono necessarie per eseguire i necessari calcoli di fluidodinamica computazionale e l’automazione della loro deformazione riduce ulteriormente il carico di lavoro dei progettisti.
Proprio perché innovativo e potenzialmente trasformativo, il corrispondente articulo ha recentemente vinto il premio per il miglior elaborato studentesco alla più importante conferenza aeronautica dell’anno, l’American Institute of Aeronautics and Astronautics Forum’24 .
Questo documento illustra come DeepGeo, che si basa su tecniche di apprendimento geometrico profondo, funziona senza la necessità di grandi serie di dati di addestramento. Diversi casi di studio condotti dagli scienziati, tra cui l’ottimizzazione 2D di un cerchio ad ala, l’ottimizzazione 3D di un’ala CRM e l’ottimizzazione 3D di un’ala mista, dimostrano l’efficacia e la robustezza di DeepGeo. Offre prestazioni paragonabili a quelle della tecnica FFD a una frazione del costo in termini di sforzo richiesto dai progettisti umani.
"Eliminando la necessità di grandi insiemi di dati e la regolazione degli iperparametri, DeepGeo riduce significativamente la complessità e il costo di implementazione, e la nostra ricerca evidenzia il suo potenziale per automatizzare l’ASO, rendendolo più accessibile ed efficiente", aggiunge Zhen Wei, assistente di dottorato presso il CV Lab e autore principale dell’articolo.
Una passione personale per la progettazione aeronautica ecologica
Il desiderio di Pascal Fua di ottimizzare la progettazione aeronautica ecologica va oltre il laboratorio. Appassionato di volo a vela, ha recentemente partecipato a una spedizione con alianti a motore da Chambéry in Francia a Ourzazate in Marocco.
Pascal Fua ha approfittato di questa fantastica avventura per monitorare costantemente la sostenibilità del viaggio e per utilizzare la sua esperienza amatoriale "in aria" come fonte di ispirazione per nuove idee di ricerca. La maggior parte del viaggio è stata effettuata in planata e i motori sono stati usati con parsimonia. Sono stati percorsi più di 5.000 km, consumando meno di 3 litri di carburante ogni 100 km.
"Per un’aviazione più sostenibile, il gioco consiste essenzialmente nel modificare la forma degli aerei per ridurre la resistenza aerodinamica. È un problema che è sempre esistito", spiega Pascal Fua. "In futuro, vogliamo innanzitutto utilizzare DeepGeo sui modellini di alianti utilizzati per le competizioni FAI. Poiché devono soddisfare così tanti requisiti contrastanti, pur essendo ragionevolmente economici da costruire, sono un ottimo banco di prova per la nostra tecnologia".
Oltre l’aviazione sostenibile
Anche se gli alianti in miniatura forniranno una dimostrazione di ciò che DeepGeo è in grado di fare, l’ambito di studio è molto più ampio: questa ricerca riguarda l’ottimizzazione della progettazione e dell’efficienza degli aerei commerciali e passeggeri - aerei alimentati da motori - e molte altre applicazioni.
Al di là del campo dell’aeronautica, la progettazione automatizzata simultanea di forme interagenti, come i componenti contigui di un’automobile o gli interni di una turbina, è un problema onnipresente e aperto. Uno degli obiettivi a lungo termine di Pascal Fua è quello di rivoluzionare la modellazione, la manipolazione e l’ottimizzazione di oggetti compositi, le cui parti possono avere forme o topologie arbitrarie, imponendo sia vincoli di progettazione sulle singole parti che vincoli di compatibilità tra le stesse.
"DeepGeo offre una soluzione promettente per la parametrizzazione geometrica complessa nel campo dell’ottimizzazione della forma aerodinamica. Il lavoro futuro in questo settore sarà essenziale per progettare macchine efficienti dal punto di vista energetico, in un momento in cui la riduzione dell’impatto dell’uomo sull’ambiente è diventata una delle principali preoccupazioni", conclude Pascal Fua.
