Clear Sky Science · pl

Modele sieci neuronowej i SVM napędzane CFD dla poprawy aerodynamicznej profilu skrzydła za pomocą bioinspirowanych rybełków i aktuatorów plazmowych

· Powrót do spisu

Inteligentniejsze skrzydła dla bardziej ekologicznych lotów

Nowoczesne samoloty i samochody zawdzięczają dużą część swojej wydajności cichej pracy aerodynamiki — temu, jak powietrze opływa skrzydła i kadłuby. Badanie to analizuje, jak uzyskać więcej siły nośnej i mniej oporu z popularnego kształtu skrzydła, łącząc trzy zaawansowane pomysły: drobne, inspirowane skórą rekina rowki powierzchniowe, niewidoczne „wiatry” elektryczne generowane przez urządzenia plazmowe oraz modele sztucznej inteligencji uczące się na podstawie symulacji komputerowych. Cel jest prosty, lecz doniosły: pomóc przyszłym samolotom i turbinom wiatrowym latać dalej zużywając mniej paliwa, zachowując jednocześnie praktyczne do produkcji rozwiązania.

Figure 1
Figure 1.

Zapożyczając sztuczki od rekinów i błyskawic

Naukowcy koncentrują się na szeroko stosowanym profilu skrzydła zwanym NACA4412, powszechnym kształcie w lotnictwie i energetyce wiatrowej. Aby poprawić jego osiągi, najpierw dodają mikroskopijne rowki zwane rybełkami na górnej powierzchni, inspirowane teksturą skóry rekina. Te rybełki, mające tylko kilka milimetrów szerokości i głębokości, biegną wzdłuż kierunku przepływu i są znane z redukcji tarcia przez uspokajanie turbulentnych wirów przyściennych. Zespół testuje trzy kształty rybełków — półokrągłe, ostro trójkątne oraz gładszy projekt „fillet” — w wymagających warunkach pracy, gdzie przepływ jest szybki i silnie turbulentny.

Wykorzystywanie sił elektrycznych do popychania powietrza

Sama obecność rybełków zwykle obniża głównie opór, ale nie zwiększa znacząco siły nośnej, zwłaszcza gdy skrzydło znajduje się pod większym kątem natarcia, przy którym przepływ ma tendencję do odrywania się i przeciągania. Aby temu zaradzić, badacze dodają aktywne urządzenie zwane aktuatorami plazmowymi w pobliżu krawędzi natarcia skrzydła. Przy zasilaniu kilkutysięcznymi woltami i wysoką częstotliwością cienki pasek tworzy niewielki obszar zjonizowanego powietrza, który wywiera siłę na otaczający przepływ, skutecznie „dmuchając” powietrze w dółstrumień bez ruchomych części. Umieszczony zaledwie kilka procent długości cięciwy od przodu, aktuator wzmacnia warstwę przyścienną — cienką warstwę powietrza przylegającą do powierzchni — opóźniając początek separacji i pomagając utrzymać przyczepność przepływu przez dłuższy czas.

Obserwacja powietrza za pomocą zaawansowanych symulacji

Aby zrozumieć, jak te cechy współdziałają, zespół przeprowadza szczegółowe, trójwymiarowe symulacje komputerowe przepływu powietrza wokół skrzydła dla kątów od łagodnego przelotu do warunków bliskich przeciągnięcia. Używają dobrze ugruntowanego modelu turbulencji do uchwycenia wirów, kształtów i zawirowań za skrzydłem oraz tego, jak warstwa przyścienna rośnie i się odrywa. Rybełki umieszczono tam, gdzie przepływ jest w pełni turbulentny, a siatka numeryczna została dopracowana na tyle, że jej dalsze zagęszczanie nie zmienia wyników. Obrazy wyłaniające się z symulacji pokazują, że rybełki ścieniają turbulencję przy powierzchni i zwężają odrzut, podczas gdy aktuator plazmowy zmniejsza lub nawet eliminuje duże pętle recyrkulacji, które w przeciwnym razie osłabiałyby siłę nośną i zwiększały opór.

Pozwalanie sztucznej inteligencji nauczyć się zasad aerodynamiki

Ponieważ te symulacje są kosztowne obliczeniowo, autorzy trenują modele uczenia maszynowego, które pełnią rolę szybkich zastępców. Wprowadzają dane dotyczące kąta natarcia, prędkości przepływu, szerokości rybełków i ustawień aktuatora do dwóch typów SI: sztucznej sieci neuronowej oraz maszyny wektorów nośnych (SVM). Oba modele uczą się przewidywać współczynniki siły nośnej i oporu skrzydła z wysoką precyzją, odtwarzając wyniki symulacji przy ułamku czasu obliczeń. Modele wychwytują subtelne efekty geometrii i ustawień kontroli, sugerując, że po wytrenowaniu mogłyby pomóc inżynierom szybko eksplorować opcje projektowe lub regulować urządzenia do kontroli przepływu w czasie rzeczywistym bez ponownego uruchamiania pełnych symulacji.

Figure 2
Figure 2.

Znajdowanie najlepszej kombinacji dla siły nośnej i oporu

Spośród wszystkich testowanych rozwiązań wyraźnym faworytem jest bioinspirowany rybełek typu fillet w połączeniu z aktuacją plazmową. To zestawienie daje największy wzrost siły nośnej i najsilniejsze zmniejszenie oporu w porównaniu z gładkim, niekontrolowanym skrzydłem. W najlepszym zakresie pracy siła nośna wzrasta o ponad jedną piątą, a stosunek siły nośnej do oporu — kluczowa miara efektywności aerodynamicznej — poprawia się niemal o połowę. Inne kształty rybełków oraz sam aktuator plazmowy również przynoszą korzyści, lecz nie tak wyraźne jak to hybrydowe rozwiązanie. Wizualizacje przepływu pokazują gładsze, bardziej stabilne wzory nad obszarem poddanym obróbce i węższy odrzut, potwierdzając, że skrzydło efektywniej generuje siłę nośną, marnując mniej energii w turbulencji.

Co to oznacza dla codziennych lotów

Dla czytelnika niebędącego specjalistą wnioskiem jest to, że drobne, inteligentne zmiany powierzchni skrzydła i niewidoczne elektryczne pchnięcia powietrza mogą zsumować się do istotnych oszczędności paliwa lub energii akumulatora. Łącząc symulacje oparte na fizyce z modelami SI, badanie nakreśla praktyczną mapę drogową: użyj potężnych obliczeń raz, aby zmapować wpływ nowych tekstur i urządzeń plazmowych na przepływ, a następnie polegaj na wytrenowanych modelach do prowadzenia projektowania i eksploatacji. Jeśli wdrożone w rzeczywistych samolotach i turbinach, podejście to mogłoby uczynić transport cichszym, czystszym i bardziej wydajnym bez radykalnych zmian dobrze znanych kształtów.

Cytowanie: Karthikeyan, K.V., Raju, A., Jain, J. et al. CFD-driven neural network and SVM models for airfoil aerodynamic enhancement with bio-inspired riblets and plasma actuation. Sci Rep 16, 14197 (2026). https://doi.org/10.1038/s41598-026-39525-0

Słowa kluczowe: kontrola przepływu wokół profilu, bioinspirowane rybełki, aktuatory plazmowe, optymalizacja aerodynamiczna, CFD i uczenie maszynowe