Generativ artificiell intelligens för design av naturinspirerade värmeväxlare

Syfte och mål

Projektet BAIDHEX syftar till att utveckla metoder för att generera och optimera komplexa naturinspirerade geometrier för värmeväxlare med hjälp av maskininlärning. Metoderna inriktas på icke-periodiska geometrier med ett stort antal flödeselement, som är för arbetskrävande att skapa med konventionellt sätt. Målet är att skapa en effektiv beskrivning av dessa geometrier och ett sätt att generera alternativa geometrier som uppfyller funktionella, mekaniska och tillverkningsmässiga krav.

Förväntade effekter och resultat

Värmeväxlarna som projektet skapar har möjlighet att vara lättare, kompaktare och ge lägre tryckförluster än konventionella geometrier. Vi ser därför möjligheter att utveckla dessa för användning i flygplan och motorer. De geometriska modeller och den metodik som kopplar dessa till maskininlärning kan ha ytterligare tillämpningar för andra typer av konstruktioner och problem. Projektet kommer också att leda till en ökad kompetens för maskininlärning av geometrier på GKN Aerospace och Chalmers.

Planerat upplägg och genomförande

På Chalmers kommer en nyengagerad doktorand vara ansvarig för geometribeskrivning, strömningsanalys och maskininlärning, samt seniorforskare för kravställning och provning. GKN Aerospace arbetar med geometri och prestanda för den naturinspirerade värmeväxlaren, och hur de olika delarna ska förhålla sig för att nå god funktion och möjlighet att tillverka. En bredare grupp av forskare och ingenjörer kommer att utvärdera alternativa konstruktioner som indata till att träna algoritmen.