
Fuente: Cobb et al.
El diseño de aeronaves confiables puede ser desafiante y lento, ya que a menudo implica varios pasos y análisis. Los modelos de aprendizaje profundo pueden ayudar potencialmente a acelerar el diseño y la implementación de aeronaves al ayudar a los desarrolladores a identificar las soluciones más prometedoras o las fallas potenciales en una aeronave en particular.
Para entrenar estos modelos, los investigadores necesitarían conjuntos de datos completos que contuvieran una amplia variedad de diseños de aeronaves. Sin embargo, estos conjuntos de datos pueden ser difíciles de compilar porque muchos proyectos están protegidos por acuerdos de propiedad o son difíciles de obtener.
Investigadores de SRI International, Southwest Research Institute y la Universidad de Vanderbilt crearon recientemente AircraftVerse, un conjunto de datos a gran escala que contiene miles de diseños de aeronaves de diversa complejidad. Su conjunto de datos, descrito en un artículo publicado más temprano en el día. arXiv se puede utilizar para la formación de aprendizaje automático para ayudar a los diseñadores de aeronaves.
“El diseño de la aeronave involucra diferentes campos de la física y, por lo tanto, muchas formas de representación”, escribieron Adam D. Cobb, Anirban Roy y sus colegas en su artículo. “La evaluación de estos diseños de sistemas ciberfísicos (CPS) requiere el uso de análisis científicos y modelos de simulación, que van desde herramientas de diseño asistido por computadora para análisis estructural y de fabricación, herramientas de dinámica de fluidos computacional para cálculos de arrastre y elevación, modelos de batería para estimación de energía, y modelos de simulación para control y dinámica de vuelo.
La mayoría de los conjuntos de datos de aprendizaje automático existentes para el diseño asistido por computadora (CAD), como SketchGraphs, DeepCAD Y A B C conjuntos de datos, contienen principalmente datos sobre piezas mecánicas individuales. Por otro lado, el conjunto de datos presentado por Cobb, Roy y sus colegas contiene diseños de aeronaves completos que combinan muchos componentes, como hélices, alas, motores, baterías, etc.
“AircraftVerse contiene 27 714 diseños de aeronaves diferentes, la colección más grande de diseños de ingeniería de este nivel de complejidad”, explicaron Cobb, Roy y sus colegas en su artículo.
“Cada proyecto consta de los siguientes artefactos: un árbol de diseño simbólico que describe la topología, el subsistema de propulsión, el subsistema de batería y otros detalles de diseño; Datos del modelo estándar para el intercambio de productos (STEP); Diseño CAD 3D utilizando un archivo de estereolitografía (STL). formato; Nube de puntos 3D para la forma del diseño; y la evaluación se basa en modelos físicos de última generación y alta fidelidad que caracterizan las métricas de rendimiento, como la distancia máxima de vuelo y el tiempo de vuelo estacionario”.
Los diseños en el conjunto de datos de AircraftVerse se crearon utilizando un enfoque de aprendizaje profundo basado en principios generales proporcionados por diseñadores de aeronaves experimentados. Los investigadores finalizaron estos diseños utilizando modelos de ingeniería que generaron metadatos que resumen cada una de sus características y rendimiento únicos.
“También presentamos modelos proxy básicos que utilizan diferentes formas de representar el diseño para predecir las métricas de rendimiento del proyecto, que proporcionamos como parte del lanzamiento de nuestro conjunto de datos”, escribieron Cobb, Roy y sus colegas. “Finalmente, discutimos el impacto potencial de este conjunto de datos en el uso del aprendizaje en el diseño de aeronaves y, en general, en CPS”.
Ya está disponible un nuevo conjunto de datos creado por este equipo de científicos públicamente disponible en Internetcon él modelos base y código base. Esto significa que pronto podrá ser utilizado por diseñadores y desarrolladores de todo el mundo para ayudarlos a diseñar y evaluar el rendimiento de nuevos aviones.
Más información:
Adam D. Cobb et al., AircraftVerse: un conjunto de datos multimodal a gran escala de diseños de vehículos aéreos, arXiv (2023). DOI: 10.48550/arxiv.2306.05562
© 2023 Ciencia X Red