Aerodynamischer dank künstlicher Intelligenz

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

Mit einer von Neural Concept, einem Spin-off der École Polytechnique Fédérale de Lausanne entwickelten Software lassen sich Formen mit der besten Aerodynamik schnell und genau berechnen. Auf der Basis maschinellen Lernens entstand so ein futuristisches Fahrrad.

moule_de_la_coque_du_velo

Mit einer von Neural Concept, einem Spin-off der École Polytechnique Fédérale de Lausanne entwickelten Software lassen sich Formen mit der besten Aerodynamik schnell und genau berechnen. Auf der Basis maschinellen Lernens entstand so ein futuristisches Fahrrad.

Die Software, die morgen in Stockholm an der International Conference on Machine Learning vorgestellt werden wird, rechnet auf anwenderdefinierten Spezifikationen mit Methoden der künstlichen Intelligenz. Konstrukteure haben das Programm bereits für die Entwicklung eines Fahrrads entwickelt, dass im Herbst in Nevada einen neuen Geschwindigkeitsrekord aufstellen soll. Derzeit sind hier 133,78 km/h, 2012 erzielt auf flacher Straße von einem holländischen Team, das Maß der Dinge. Ein entsprechender Wettbewerb, die World Human Powered Speed Challenge, findet jedes Jahr in der Wüste von Nevada statt.

Im September will nun ein Team von des IUT Annecy (L’institut universitaire de technologie d’Annecy) die bis dato erreichte Bestmarke übertreffen. Dafür kommt die Software von Neural Concept zum Einsatz, die Konzepten der künstlichen Intelligenz basiert.  Die Technologie ermöglicht es, in wenigen Minuten die optimale aerodynamische Form eines Fahrrads zu ermitteln oder auch aerodynamische Berechnung in weiteren Anwendungen vorzunehmen.

Von außen gleicht das Liegerad des IUT-Annecy-Teams mehr einem kleinen Rennwagen als einem mit Menschenkraft angetriebenen Fahrrad. Es wurde auf den Körper des Fahrers maßgeschneidert. Während des Rennens muss dieser eine 200 Meter lange Strecke einer geraden, flachen Straße nach einem 8 km langen Anlauf so schnell wie möglich abwärts fahren. Das Design zielt ganz klar nicht auf das Wohlbefinden des Fahrers, sondern soll aus jedem Zentimeter des Fahrzeugs das Optimum herausholen.

Schneller, detaillierter und effektiver

Herkömmliche Methoden des aerodynamischen Designs erfordern eine enorme Rechenleistung. Typischerweise ersinnen Fahrradkonstrukteure verschiedene Formen und testen diese mit rechnergestützten Simulationen. Hier aber tritt nun erstmals die Optimierungssoftware an die Stelle der Intuition, gilt es, die Verkleidung des Liegerads zu definieren. Das Team nutzte die Software von Neural Concept, um die maximale Länge und Breite sowie den für Antrieb und Räder notwendigen Platzbedarf zu bestimmen.

Dann spielte das Programm alle möglichen Formen durch und verglich sie, um die beste zu erhalten. Beispielsweise half die Lösung den Konstrukteuren, die geeignetste Stelle für die maximale Breite des Fahrzeugs zu ermitteln.

Für die Entwicklung der Technologie hinter der Software trainierten die Entwickler ein konvolutionales neuronales Netz. Es dient dazu, die aerodynamischen Eigenschaften verschiedener, Formen, zu berechnen, die durch Polygonnetze repräsentiert werden. Dieser Typ der künstlichen Intelligenz durchläuft verschiedene Ebenen, indem er Informationen von der einfachsten bis zur komplexesten kategorisiert. Auf den ersten Ebenen identifiziert das Programm die Konturen der Form, dann weist es diese Konturen einem Objekt zu und legt fest, zu welcher Kategorie das Objekt basierend auf dem erwarteten Ergebnis gehört.

Die Berechnungsingenieure können die Software für detaillierte, schnellere und genauere Analysen unterschiedlicher Entwürfe verwenden. Das Programm führe zu Entwürfen, die teilweise 5 bis 20 Prozent aerodynamischer seien als die mit herkömmlichen Methoden erstellten. Wichtiger noch, so Pierre Baqué, CEO von Neural Concept, es lasse sich in bestimmten Situationen einsetzen, wo konventionelle Verfahren versagen. Die Software könne zudem ohne die menschliche Voreingenommenheit vergleichen. Die für das Training des Programms verwendeten Formen können erheblich von den gewohnten eines Objekts abweichen. Das eröffne ein großes Maß an Flexibilität, fügt Baqué hinzu.

Die World Human Powered Speed Challenge ist ein Wettbewerb, indem sich Studenten mit ihren selbst entworfenen Fahrrädern messen. In diesem Jahr findet er vom 10. bis 15. September statt und viele weitere Teams haben es auf den Rekord abgesehen. Das Rennen wird der erste Test für das Team aus Annecy und die Technologie des maschinellen Lernens von Neural Concept sein, der unter realen Bedingungen stattfindet.

Die Software lässt sich für zahlreiche Anwendungen wie für die Entwicklung von Drohnen, Windturbinen und Flugzeugen. Weitere Industrieexperten sehen das Potenzial — Baqué ist als Referent an der größten Konferenz zum maschinellen Lernen in Stockholm eingeladen. IUT Annecy und Neural Concept arbeiten bereits am Fahrrad für das Rennen im kommenden Jahr. Es wird ausschließlich und vollständig in der Software entstehen, ohne menschliche Einmischung.

Video: https://www.youtube.com/watch?v=9u6EyLiytJk

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on xing
XING
Share on whatsapp
WhatsApp
Share on email
E-Mail
Share on print
Drucken
Werbung

Redaktionsbrief

Tragen Sie sich zu unserem Redaktionsbrief ein, um auf dem Laufenden zu bleiben.

Oft gelesen

Noch keine Daten vorhanden.

Aktuelle Ausgabe

Topthema: Multiphysik-Simulation macht Windkraftanlagen sicherer

Analyse von Blitzeinschlägen

Mehr erfahren

Entdecken Sie weitere Magazine

Schön, dass Sie sich auch für weitere Fachmagazine unseres Verlages interessieren.

Unsere Fachtitel beleuchten viele Aspekte der Digitalen Transformation entlang der Wertschöpfungskette und sprechen damit unterschiedliche Leserzielgruppen an.