Stellantis

El desarrollo de modelos numéricos para la simulación de choques en la industria del automóvil, y en particular la fase de mallado, sigue ocupando una gran parte del tiempo dedicado a un proyecto de desarrollo de un vehículo. Además, introduce sistemáticamente aproximaciones geométricas significativas en determinados elementos estructurales sensibles de la carrocería, que tienen una forma geométrica compleja. Estas aproximaciones son con frecuencia una fuente de errores que hacen que el modelo CAE del vehículo sea menos predictivo, lo que lleva a los ingenieros a recurrir a un mallado muy fino, generando modelos numéricos muy pesados que penalizan en términos de capacidad de memoria y tiempo de cálculo.

.

La idea fundamental detrás del modelado iso-geométrico (IGA) es acercar el análisis de elementos finitos al modelado CAD prescindiendo de la operación de mallado y utilizando directamente el modelo geométrico como soporte para el cálculo. Esto puede lograrse mediante el desarrollo de nuevos tipos de modelos de elementos finitos que utilicen las mismas funciones de forma que las empleadas en los modelos de definición geométrica (B-splines, NURBS o cuadrados de Bézier).

El problema técnico que se plantea en la práctica industrial se refiere a las definiciones CAD generadas habitualmente por los diseñadores, que no son adecuadas para el cálculo directo mediante la técnica iso-geométrica. Típicamente, con el fin de mantenerse al día con los cambios abruptos que pueden ocurrir en las curvaturas geométricas, las superficies de baldosas NURBS y/o Bézier originales se particionan y/o fusionan con otras superficies vecinas, generando así nuevas y complejas definiciones CAD. Desgraciadamente, estos nuevos cambios geométricos exigen una adaptación y, por tanto, una reelaboración, lo que a su vez requiere tiempo de desarrollo. Por lo que sabemos, actualmente no existe ningún software que pueda realizar esta tarea de forma automática, a pesar de los avances e investigaciones académicas fundamentales (existen varias tesis sobre el tema, en particular del grupo Stellantis).

.

Además, hay que tener en cuenta que en las primeras etapas del proyecto de un nuevo vehículo (fase inicial), el concepto CAD no es totalmente compatible con los requisitos de resistencia mecánica y las iteraciones de optimización para modificar la definición CAD muy raramente se llevan a cabo por falta de tiempo. Por consiguiente, la partición de las superficies, su adaptación y la automatización de la lectura permitirían utilizar plenamente los métodos EGO (Efficient Global Optimization) basados en el condicionamiento gaussiano y las estrategias de evolución, que se adaptan mejor a los cálculos de elementos finitos que requieren mucho tiempo. También se explotarán métodos no intrusivos de reducción de modelos del tipo POD, especialmente para el equivalente estático lineal [8].

También hay que tener en cuenta que para llevar a cabo esta optimización sigue siendo necesaria la pericia de los ingenieros de choque para evaluar los complejos resultados que a menudo tienen en cuenta varios criterios antagónicos. Sin embargo, con los recientes avances en los algoritmos de inteligencia artificial (IA), está resultando apropiado sintetizar todo el conocimiento empresarial (reglas) de la resistencia al choque de determinadas partes de la carrocería. Así, en la segunda fase del proyecto, se desarrollará un procedimiento de cálculo de IA basado en técnicas de aprendizaje profundo y redes neuronales artificiales para automatizar la viabilidad de soluciones óptimas para determinados elementos esenciales de la carrocería en blanco.

El objetivo del proyecto es desarrollar una metodología numérica innovadora mediante el acoplamiento del método iso-geométrico y técnicas de inteligencia artificial para la optimización de la forma de elementos del cuerpo en blanco en un contexto industrial. Este objetivo se desglosa en varias etapas:

• Desarrollar un procedimiento de acoplamiento entre la simulación IGA y algoritmos de IA basados en técnicas de aprendizaje profundo y redes neuronales artificiales para la optimización de elementos estructurales de tipo body-in-white.
.
• Validación de la metodología numérica mediante aplicaciones de optimización de la forma de elementos estructurales body-in-white, para mejorar el rendimiento en ensayos de rigidez, vibración y choque (pandeo)
• .