Progettare strutture resistenti ispirate dalla natura

La natura è piena di strutture che assorbono molto bene l'energia degli impatti. Per esempio, le corna delle pecore, le pareti degli zoccoli e le parti dure delle ossa mostrano modi straordinari per affrontare le forze. Queste strutture hanno in genere poco spazio al loro interno, tipicamente solo circa l'1% al 5% vuoto. In questo studio, ci siamo concentrati sulle corna delle pecore perché sono particolarmente robuste quando le forze arrivano di lato, a differenza di quando arrivano dall'estremità.

Abbiamo condotto esperimenti per vedere come queste strutture a bassa porosità reagiscono quando vengono compresse rapidamente. Abbiamo creato diversi Design basati sulla struttura della corna usando elementi che sembrano Tubi lunghi e sottili disposti in vari modelli. Abbiamo anche cambiato il numero di tubi e il modo in cui erano inclinati. Per simulare come queste strutture si comportano sotto pressione, abbiamo usato un metodo chiamato analisi agli elementi finiti e un modello di materiale speciale che tiene conto di come i materiali cambiano quando vengono deformati.

Per prevedere come si sarebbero comportati i nuovi design, abbiamo addestrato un modello di machine learning conosciuto come gated recurrent unit (GRU). Questo modello può calcolare rapidamente quanto bene una struttura risponderebbe a varie quantità di pressione e a diverse velocità. Il modello addestrato può prevedere risultati in frazioni di secondo, rendendo facile valutare migliaia di design diversi.

#Importanza delle Strutture Resistenti agli Impatti

Strutture che possono assorbire molta energia pur essendo leggere sono molto importanti per molti campi dell'ingegneria. Ad esempio, possono essere utilizzate in auto, dispositivi di protezione e anche aerei. Le caratteristiche che si trovano in natura, come i design delle ossa e di altri materiali biologici, aiutano a ispirare gli ingegneri a creare strutture migliori per assorbire energia.

Da anni i ricercatori indagano come diversi design strutturali possono gestire gli impatti in modo efficiente. Molti modelli trovati in animali e piante possono essere imitati per creare nuovi design efficaci. Anche se sono stati usati diversi metodi per ottimizzare questi design in passato, mancava una collezione completa di informazioni su come i design ispirati alla biologia si comportano sotto stress.

#Creazione e Analisi di Strutture a Bassa Porosità

In questo studio, abbiamo creato diverse forme di design ispirate a strutture naturali, concentrandoci su quelle a bassa porosità. Abbiamo usato uno script per disegnare rappresentazioni bidimensionali di questi design, che sono poi stati analizzati utilizzando un potente programma di computer chiamato Abaqus. Ogni design poteva essere descritto dalla sua forma, dal numero di tubi, dalla loro disposizione e da come erano inclinati.

I design avevano dimensioni specifiche, e controllavamo quanto del design fosse composto dai tubi. Abbiamo creato varie forme per i tubi, come triangoli e quadrati, e li abbiamo testati cambiando come erano disposti su una griglia. La simulazione ha seguito come queste strutture reagivano a diverse velocità di compressione, registrando le reazioni della forza e le distribuzioni di stress interno.

#Costruzione del Modello di Rete Neurale

Il nostro approccio includeva un modello di rete neurale progettato per anticipare come si sarebbero comportate le strutture quando soggette a varie pressioni. Il modello ha appreso dai dati prodotti dalle simulazioni al computer, permettendogli di fare previsioni sui nuovi design rapidamente.

Abbiamo organizzato i dati in ingresso in otto gruppi che descrivevano le caratteristiche geometriche delle strutture e come venivano caricate. Queste informazioni hanno addestrato la rete neurale a riconoscere modelli e anticipare risposte basate sui parametri in ingresso. Utilizzando questo modello, abbiamo aumentato il numero di design valutati da migliaia a oltre 128.000.

#Valutazione delle Prestazioni dei Design

Dopo aver addestrato la rete neurale, abbiamo confrontato le sue previsioni con i risultati reali delle nostre simulazioni. Abbiamo scoperto che il modello poteva prevedere con precisione le prestazioni di varie strutture in diverse condizioni. Le previsioni erano molto vicine a ciò che abbiamo ottenuto nelle simulazioni reali, il che aumenta la nostra fiducia nell'usare il modello per valutazioni di design future.

La velocità della rete neurale ci ha permesso di esplorare rapidamente l'intero spazio di design. Siamo stati in grado di determinare quali design funzionavano meglio per l'assorbimento dell'energia in diverse condizioni. Abbiamo osservato tendenze e modelli che indicavano come le variazioni nei parametri di design influenzassero le prestazioni.

#Lezioni Chiave dallo Studio

La nostra analisi ha mostrato che la disposizione dei tubi all'interno di una struttura influisce significativamente sulla sua capacità di assorbire energia. Ad esempio, le strutture con disposizioni verticali di tubi hanno generalmente avuto prestazioni migliori rispetto a quelle in cui i tubi erano disposti a caso o al centro.

Abbiamo anche notato che l'orientamento dei tubi ha giocato un ruolo cruciale. Anche piccole variazioni nell'angolo in cui i tubi erano collocati hanno avuto impatti evidenti su quanto bene le strutture assorbissero energia.

Esaminando tutti i nostri risultati collettivamente, siamo stati in grado di generare mappe che riassumono visivamente come diverse caratteristiche di design si relazionano all'assorbimento energetico. Queste mappe sono state utili per identificare quali configurazioni funzionavano meglio e hanno fornito intuizioni che possono guidare lavori futuri.

#Conclusione

Questo studio ha dimostrato con successo un metodo per progettare strutture resistenti agli impatti traendo ispirazione dalla natura. Attraverso l'esplorazione sistematica dei design, abbiamo creato una struttura che consente una valutazione rapida di diverse strutture in varie condizioni di impatto.

In generale, il modello di rete neurale sviluppato si è dimostrato efficace nel prevedere le prestazioni meccaniche dei design a bassa porosità. Questa capacità ci consente di esplorare nuove possibilità di design senza dover condurre esperimenti fisici approfonditi.

I lavori futuri potrebbero concentrarsi sul perfezionamento dei modelli utilizzati nelle nostre simulazioni per includere nuovi tipi di materiali o disposizioni. Inoltre, confrontare le nostre simulazioni con esperimenti nel mondo reale validerebbe ulteriormente i nostri risultati, aprendo la strada a applicazioni pratiche in vari campi dell'ingegneria. I risultati hanno sottolineato la necessità di esplorare continuamente le variazioni di design per migliorare le caratteristiche di assorbimento energetico e fornire un percorso per creare materiali avanzati in futuro.

In sostanza, l'uso del machine learning e dei principi di design ispirati alla biologia pone le basi per l'innovazione nello sviluppo di strutture capaci di assorbire energia in modo efficiente. L'integrazione di strumenti computazionali insieme all'ispirazione biologica potrebbe portare a soluzioni ingegneristiche che ottimizzano le prestazioni mantenendo al contempo qualità di leggerezza.