DoVE

dovetales.jpg (DE)

Research project at a glance

Das Ziel des DoVE Projekts (Development of Vehicle Exteriors) ist die Erforschung neuer Techniken zum automatisiertem Entwurf drei-dimensionaler Objekten. Wir betrachten die Konstruktion aerodynamischer Velomobilkarosserien als Testfall für die evolutionäre Entwicklung stabiler, aerodynamischer leichtgewichtiger Entwürfe.
dovetales.jpg (DE)

Project manager at H-BRS

Project Description

Das Ziel des DoVE Projekts (Development of Vehicle Exteriors) ist die Erforschung neuer Techniken zum automatisiertem Entwurf drei-dimensionaler Objekten. Wir betrachten die Konstruktion aerodynamischer Velomobilkarosserien als Testfall für die evolutionäre Entwicklung stabiler, aerodynamischer leichtgewichtiger Entwürfe.
 

dove.jpg (DE)

Überlicherweise benutzen Experten wohlbeschriebene Regeln und jahrzehntelange Erfahrung für die Herstellung von qualitativ hochwertigen Entwürfen. Die Performanz wird anschließend mit Hilfe von Windtunneltests oder Fluiddynamiksimulationen verifiziert. Weil unsere Rechenkapazitäten ständig wachsen und evolutionäre Algorithmen immer raffinierter werden, benutzen Ingenieuren diese immer häufiger für die weitere Optimierung der Entwürfe. Sie identifizieren bestimmte wichtige Parametern, wie beispielsweise die Winkel der Karosserie am hinteren Ende des Fahrzeugs, und benutzen diese Algorithmen für die Analyse einer großen Menge Alternativen dieser Parametern innerhalb einer bestimmten Bandbreite. Die bestleistende Entwürfe werden kombiniert und kleinere Mutationen angewendet, um somit eine neue Generation von „Kindern“ zu erzeugen. Diese neue Generation kriegt dann wiederum selber „Kinder“. Dieses Verfahren simuliert das Überleben des Stärkeren und produziert iterativ immer bessere Entwürfe, ohne die Verwendung von Wissen oder Vorurteile menschlicher Ingenieure.

Die Geschichte des Velomobilentwurfs ist, im Gegensatz zur Entwicklung von PKWs und Flügzeugen durch Großunternehmen und Ingenieursteams, besetzt von Hobbyisten und Kleinunternehmen. Ihr oftmals versuchsbasierter Entwurfsprozess hat zu unglaublich hochperformante Karosserieentwürfe geführt, deren Form oft sehr anti-intuitiv ist. Das Milan Velomobil (siehe Bild) ist eins solcher Entwürfe und hat eine hochkomplexe Form. Der Erfolg dieses eigenartige Fahrzeugs suggeriert, dass es interessante Möglichkeiten für neue Konzeptentwürfe gibt, die außerhalb der Reichweite etabliertes Ingenieurswissen liegt.

Damit ein Algorithmus solche nicht-intuitive Entwürfe wie das Milan produziert, reicht es offensichtlich nicht, kleine Anpassungen an einem bestehenden Entwurf zu erzeugen. Stattdessen muss die Form ganzheitlich geändert werden können. Eine sehr große Zahl an Parametern, welche sich alle gegenseitig beeinflüssen, muss somit bestimmt werden. Um dies zu erreichen nutzen wir Techniken die für die Evolution hochkomplexer neuronalen Netzen entwickelt wurden. Es wurde gezeigt, dass diese Techniken sehr effektiv sind für die Evolution von Netzen, die aus Millionen von interagierenden Parametern bestehen, und sind somit geeignet für die Beschreibung dreidimensionaler Formen, sogar in hoher Auflösung. Fortschritte in der vollständigen Darstellung dreidimensionaler Objekten, und deren Optimierung, könnten somit auf eine breite Vielfalt an Problemen angewendet werden, die über Aerodynamik hinausgehen.

DoVE-Tales: Real World Drag Testing

Aerodynamische Fahrzeuge wie Auto- oder Velomobile werden üblicherweise von Experten entworfen und mit Hilfe von Fluiddynamiksimulationen (CFD) der Fahrzeugkarosserie und Windtunneltests auf Prototypen analysiert. Windtunneltests bieten eine gut kontrollierbare Plattform, bilden aber nur eine idealisierte Situation mit homogener Strömungssituation ab. Außerdem sind sie energie- und kostenaufwändig und nicht in der Lage, alle relevanten Bedingungen abzubilden. CFD-Simulationen bieten die Möglichkeit, realistischere Umgebungsmodelle zu berechnen, sind aber rechnerisch aufwändig und aufgrund der approximativen Natur des CFD-Modells von reduzierter Genauigkeit. Das unvollständige Modell für turbulente Luftströmung und die relativ niedrige Auflösung sind maßgeblich hierfür. Ein vollständig realistischer Test mit Seitenwind, von der Umgebung erzeugten Verwirbelungen, usw., würde eine Analyse des Fahrzeugs unter realistischen Bedingungen ermöglichen.

dovetales.jpg (DE)


Zur Schaffung einer realistischeren Testplattform für Fahrzeugtests wurde das DoVE-Tales Projekt ins Leben gerufen. Wir extrahieren das aerodynamische Modell in Fahrzeugnähe, indem wir Techniken aus der Computer Vision und dem Maschinellen Lernen anwenden. Sogenannte Tufts, klassischerweise hergestellt aus Garn oder Wolle, werden an aerodynamisch wohlbeschriebenen Basisformen befestigt und mit Hilfe der Bildanalyse wird ihre zeitliche Position, Orientierung und Verformung festgestellt. Mit maschinellen Lernverfahren können schließlich die aerodynamischen Eigenschaften des Objekts aus dem Verhalten dieser Tufts abgeleitet werden. Letztendlich ist es das Ziel, das vollständige quantifizierte aerodynamische Verhalten des gesamten Fahrzeugs unter realistischen Bedingungen zu bestimmen. Dies ermöglicht es, Vergleichstests zwischen Fahrzeugmodellen durchzuführen und zu analysieren, wie Änderungen an der Karosserie zu Veränderungen der aerodynamischen Effizienz führen.

Tufts, oder Telltales, werden bislang üblicherweise nur für die qualitative Analyse verwendet, um sowohl die Separation der Luftströmung vom Fahrzeug als auch die Übergänge zwischen Regionen laminar anliegender Strömung und turbulenten Bereichen zu beobachten. Eine quantitative Analyse ist wesentlich schwieriger und wurde bislang nur in einigen eingeschränkten Szenarien durchgeführt, indem man z.B. mit Hilfe von Infrarotlasern und Rauchpartikeln die Strömung um Tragflächenprofile darstellte. Diese Technologie auf eine vollständige Strömungsanalyse zu übertragen schafft neue Möglichkeiten des Fahrzeugentwurfs und ermöglicht die Optimierung einer größeren Zahl an Fahrzeug-Parametern.

Results

Abschluss- und Projektarbeiten
  • Alexander Hagg: Hierarchical Training of Local Surrogate Models for Evolutionary Optimization of Streamlined 2D Shapes, Masterarbeit, work in progress
  • Michael Wahlen: Ableitung eines zeitvarianten Vektorfeldes aus Tuft-Videos, Masterarbeit, 2015
  • Arka Mallick: Estimating air speed around aerodynamic shapes based on tuft behavior, Research&Development Projekt, 2015

Publications

  • Adam Gaier: Evolutionary Design via Indirect Encoding of Non-Uniform Rational Basis Splines, Proceedings of the 2015 Annual Conference on Genetic and Evolutionary Computation Pages 1197-1200 , ACM New York, NY, USA, 2015

Cooperating professors

Research associates