A Data Fusion Framework for Grounding Aerospace Surrogate Model via Experimental Wind-Tunnel Observations

Progettare l'ala di un aeroplano è una battaglia contro l'invisibile. Gli ingegneri devono prevedere come l'aria scorrerà su una superficie curva, dove accelererà, dove rallenterà e esattamente dove potrebbe improvvisamente smettere di fluire in modo fluido. Per decenni, lo strumento principale per questo lavoro è stato la simulazione computerizzata ad alta fedeltà. Questi programmi risolvono equazioni complesse per modellare la fisica del volo, permettendo ai progettisti di testare migliaia di forme senza mai costruire un modello fisico. Tuttavia, queste simulazioni non sono perfette. Si basano su approssimazioni e scorciatoie matematiche che possono discostarsi dalla realtà, specialmente nelle zone caotiche in cui l'aria si muove alla velocità del suono. Per risolvere questo problema, gli ingegneri si rivolgono tradizionalmente alle gallerie del vento, dove soffiano aria su ali di metallo reali coperte di sensori. Ma i test in galleria del vento sono incredibilmente costosi, dispendiosi in termini di tempo e limitati a poche condizioni specifiche. Non è possibile testare ogni possibile velocità o angolo in una galleria, lasciando agli ingegneri un divario tra ciò che il computer dice che accadrà e ciò che il mondo fisico fa realmente.

Questa è la sfida che un team di ricercatori di Luminary AI ha affrontato con un nuovo approccio che colma il divario tra la previsione digitale e la realtà fisica. Hanno sviluppato un metodo per prendere un potente modello computerizzato, addestrato su enormi quantità di dati di simulazione, e "radicarlo" delicatamente utilizzando una piccola quantità di dati sperimentali del mondo reale. Invece di scartare l'costoso modello computerizzato o di eseguire un intero test in galleria del vento per ogni scenario, utilizzano un sistema di correzione leggero. Questo sistema impara le differenze specifiche tra le previsioni del computer e le misurazioni effettuate nella galleria del vento, applicando poi tale conoscenza per migliorare l'accuratezza del modello. Il risultato è uno strumento ibrido che mantiene la velocità e la vasta copertura della simulazione computerizzata pur ereditando la verità fisica della galleria del vento.

I ricercatori sono partiti da un sofisticato modello computerizzato chiamato surrogato, che era stato addestrato su 2.300 simulazioni ad alta fedeltà di una specifica configurazione alare del NASA Common Research Model. Questo modello era progettato per prevedere come cambia la pressione dell'aria sulla superficie dell'ala sotto varie velocità e angoli. Il modello computerizzato era eccellente nel mimare le simulazioni su cui era stato addestrato, riproducendo le forze aerodinamiche calcolate con un'accuratezza quasi perfetta. Tuttavia, quando i ricercatori hanno confrontato queste previsioni con le misurazioni effettive prese in una galleria del vento, è emersa una chiara discrepanza. Il modello computerizzato mancava costantemente il bersaglio in aree specifiche, in particolare dove la pressione dell'aria diminuisce bruscamente nella parte anteriore dell'ala e dove si recupera più indietro. Queste sono zone critiche dove l'aria può formare onde d'urto, e anche piccoli errori qui possono portare a errori significativi nel calcolo delle prestazioni dell'aereo.

Per risolvere questo problema senza ricostruire l'intero modello computerizzato da zero, il team ha introdotto un processo in due fasi. Primo, hanno mantenuto il modello computer originale congelato, preservando tutta la complessa conoscenza aerodinamica che aveva già appreso. Secondo, hanno aggiunto una piccola rete di correzione flessibile. Questa nuova componente è stata addestrata utilizzando dati provenienti dalla vernice sensibile alla pressione, una tecnica in cui l'ala viene rivestita con un materiale speciale che cambia colore in base alla pressione dell'aria, permettendo agli ingegneri di vedere la distribuzione della pressione su tutta la superficie. La rete di correzione ha imparato a individuare gli errori sistematici nelle previsioni del modello computerizzato e le ha regolate per farle corrispondere alle osservazioni della galleria del vento. Fondamentalmente, questo addestramento ha utilizzato dati provenienti da sole due velocità specifiche e un manipolo di angoli di attacco, una frazione minuscola di tutte le possibili condizioni di volo.

I risultati hanno dimostrato che questo metodo ha funzionato molto bene. Quando testato su condizioni di volo che la rete di correzione non aveva mai visto prima, il modello regolato ha previsto la pressione dell'aria con un errore inferiore al tre per cento su tutta la superficie alare. Questo livello di accuratezza era di gran lunga superiore al semplice indovinare la risposta mediando le misurazioni della galleria del vento vicine. La correzione è stata particolarmente efficace nel correggere la posizione delle onde d'urto e la forma del recupero di pressione, aree in cui il modello computer originale faticava di più. I ricercatori hanno scoperto che il modello era ora in grado di catturare effetti fisici che mancavano dalla pura simulazione, come le sottili deformazioni dell'ala causate dalla forza dell'aria o le variazioni nel modo in cui l'aria passa da un flusso liscio a uno turbolento.

Questo lavoro dimostra che è possibile combinare il meglio di entrambi i mondi: la vasta ed efficiente copertura delle simulazioni computerizzate e l'accuratezza fisica degli esperimenti del mondo reale. Utilizzando una piccola quantità di dati sperimentali per correggere una simulazione su larga scala, i ricercatori hanno creato uno strumento che è allo stesso tempo veloce e affidabile. Il metodo non richiede l'addestramento dell'intero modello complesso, il che sarebbe computazionalmente proibitivo, né richiede una massiccia campagna in galleria del vento. Invece, utilizza una correzione mirata per allineare il gemello digitale con la realtà fisica. Questo approccio offre una strada pratica per il futuro della progettazione aerospaziale, permettendo agli ingegneri di fidarsi più profondamente dei loro modelli computerizzati pur facendo affidamento su meno test fisici, più strategici, per garantire che tali modelli riflettano il vero comportamento del volo.