Técnicas de aprendizaje automático para el análisis multivariable y el diseño de estructuras helicoidales no lineales considerando colisiones internas

Por qué los muelles de los coches importan más de lo que crees

Escondidos en lo profundo de los motores de alto rendimiento hay muelles de metal fuertemente enrollados que abren y cierran las válvulas miles de veces por segundo. Estos muelles helicoidales hacen más que rebotar: almacenan energía y doman vibraciones violentas. Pero a velocidades extremas, esos mismos muelles pueden generar repentinamente picos de fuerza agudos que dañan piezas y acortan la vida del motor. Este estudio explica de dónde provienen esos picos y muestra cómo las simulaciones informáticas modernas y el aprendizaje automático pueden ayudar a los ingenieros a rediseñar los muelles para que sean a la vez duraderos y eficaces absorbiendo vibraciones.

Muelles bajo velocidades extremas del motor

Los investigadores se centraron en un muelle de válvula tipo “colmena” usado en un motor deportivo de alta velocidad. A diferencia de un muelle simple, éste cambia de diámetro a lo largo de su altura y tiene espiras más juntas en algunas regiones que en otras. El equipo montó el muelle en un motor V8 real accionado por un motor eléctrico y midió las fuerzas que producía mientras el motor giraba entre 6.500 y 16.000 revoluciones por minuto. A velocidades bajas, las fuerzas pico se mantenían cerca de 900 newtons y fluctuaban de forma suave, como cabría esperar de una vibración ordinaria. Pero alrededor de 7.800 rpm y de nuevo a mayores velocidades, las fuerzas medidas se disparaban de forma súbita hasta más de 1.500–1.800 newtons. Esos picos inesperados apuntaban a un proceso distinto, más violento, que ocurría dentro del muelle.

Mirando dentro del muelle con pruebas virtuales

Para ver qué sucedía entre las espiras, el equipo construyó un modelo informático muy detallado del muelle usando una técnica de ingeniería estándar llamada análisis por elementos finitos. Recrearon la geometría y el material exactos del muelle, incluyeron contacto por fricción entre espiras vecinas y forzaron el modelo con el mismo movimiento del árbol de levas que en el motor. Cuando ejecutaron la simulación a 7.800 rpm, las fuerzas predichas coincidieron muy de cerca con las medidas en el motor, incluido el pico agudo en un punto específico del ciclo del levas. Al seguir el movimiento de espiras individuales, observaron que dos espiras vecinas en una región de separación reducida se golpeaban brevemente y luego se separaban en unos pocos milisegundos. Esta colisión rápida lanzó una fuerte onda elástica a través del muelle, que se manifestó como el pico de fuerza observado.

Cómo las colisiones de espiras pueden ayudar y perjudicar

Estas colisiones resultaron ser un arma de doble filo. Por un lado, cuando las espiras se golpean disipan algo de energía de la vibración y pueden reducir las oscilaciones continuas —útil para mantener estable el movimiento de la válvula. Por otro lado, esos mismos impactos generan fuerzas muy grandes pero de corta duración que pueden acelerar la fatiga y provocar fallos prematuros. El reto clave de diseño no es por tanto eliminar el contacto por completo, sino ajustar la geometría del muelle de modo que las colisiones sean lo suficientemente suaves para evitar picos dañinos y, al mismo tiempo, sigan contribuyendo a la amortiguación. Dado que la forma del muelle viene definida por muchas dimensiones vinculadas —como el diámetro de las espiras y la “altura” vertical en varios puntos— probar cada combinación posible directamente en el motor o con simulaciones completas sería demasiado lento.

Dejar que los algoritmos aprendan las mejores formas

Para abordar este rompecabezas multiparamétrico, los investigadores recurrieron al aprendizaje automático. Variaron cuatro características geométricas clave de las dos espiras estrechamente separadas, crearon 60 diseños virtuales diferentes del muelle y simularon cada uno a la velocidad crítica del motor. Para cada diseño registraron la fuerza dinámica máxima. Estos datos se utilizaron para entrenar dos tipos de algoritmos: una red neuronal profunda que actúa como una potente caja negra de reconocimiento de patrones, y un modelo de programación genética que produce fórmulas matemáticas explícitas. La red neuronal alcanzó la mayor precisión de predicción, reproduciendo con fidelidad los picos de fuerza simulados incluso para diseños que no había visto antes. Con ese modelo entrenado, el equipo pudo explorar miles de diseños virtuales casi al instante y trazar cómo los cambios en el diámetro y la altura de las espiras alteraban los picos de fuerza resultantes.

Encontrar diseños de muelle más seguros y suaves

Al recorrer este espacio de diseño aprendido, los autores identificaron regiones donde las fuerzas pico se mantenían por debajo de niveles asociados a daños, aunque seguían produciéndose colisiones —y por tanto una amortiguación útil. En términos simples, demostraron cómo ajustar cuidadosamente el tamaño y la posición de apenas un par de espiras puede convertir un muelle propenso a picos bruscos en otro que gestiona las vibraciones del motor de forma más suave. Su enfoque combina simulaciones realistas a alta velocidad con modelos basados en datos para orientar las decisiones de diseño sin pruebas físicas interminables. Si bien este trabajo se centra en un muelle de válvula específico, la misma estrategia podría aplicarse a muchos dispositivos helicoidales, desde suspensiones de trenes hasta exoesqueletos portátiles, ayudando a los ingenieros a crear componentes que sean a la vez resistentes y silenciosos en condiciones extremas.

Cita: Gu, Z., Liu, Y., Kong, X. et al. Machine learning techniques based multi-parameter analysis and design of nonlinear helical structures considering internal structure collisions. Sci Rep 16, 8595 (2026). https://doi.org/10.1038/s41598-026-39953-y

Palabras clave: muelles de válvula, amortiguación de vibraciones, colisiones de espiras, diseño con aprendizaje automático, motores de alta velocidad