Os matemáticos da Universidade de Nova York imprimiram 15 gerações de desenhos de asas criados por algoritmos para determinar quais formas eram melhores. Para chegar ao melhor design, a equipe buscou a evolução biológica.
Os experimentos foram realizados no Laboratório de Matemática Aplicada da NYU, onde os pesquisadores começaram com 10 diferentes asas impressas em 3D. As cavidades foram modeladas em cada asa que segura e distribui dois corantes fluorescentes: vermelho na frente e verde nas costas. Quando a asa é abalada no tanque de fluxo, os corantes revelam os redemoinhos e vórtices. Para os testes, cada asa correu contra as outras, medindo sua velocidade.
Os traços das asas mais rápidas foram combinados com as características de outras asas mais rápidas, criando asas “filhas” impressas em 3D que foram disputadas umas contra as outras. O processo foi repetido por 15 gerações, produzindo descendentes de asas cada vez mais rápidos. “Este processo de ‘sobrevivência do mais rápido’ descobre automaticamente uma asa em forma de lágrima mais rápida que manipula de forma mais eficaz os fluxos para gerar empuxo”, explicou Ristroph. “Além disso, como exploramos uma grande variedade de formas em nosso estudo, também pudemos identificar exatamente quais aspectos da forma foram os principais responsáveis pelo forte desempenho das asas mais rápidas.”
Seus dados podem ser usados para melhorar aerofólios em aviões, bem como projetos submarinos, mas Ristroph acredita que há potencial para captura de energia, “Achamos que isso poderia ser usado, por exemplo, para otimizar a forma de uma estrutura para colher a energia em ondas de água ” A impressão 3D torna esses projetos iterativos e geracionais incrivelmente acessíveis; os custos de fabricar essas asas com métodos de fabricação subtrativos limitariam a equipe a apenas algumas iterações, reduzindo drasticamente a otimização obtida com várias iterações.
____ english version ____
EVOLUTION OF 3D-PRINTED WINGS FOR FASTER FLIGHT
New York University mathematicians printed 15 generations of algorithm-generated winged drawings to determine which shapes were better. To achieve the best design, the team sought biological evolution.
The experiments were conducted at the NYU Applied Mathematics Laboratory, where researchers began with 10 different 3D-printed wings. The cavities were modeled on each wing that holds and distributes two fluorescent dyes: red on the front and green on the back. When the wing is shaken in the flow tank, the dyes reveal the swirls and vortices. For the tests, each wing ran against the others, measuring its speed.
The fastest wing traits were combined with the characteristics of other faster wings, creating “daisy” wings printed in 3D that were fought against each other. The process was repeated for 15 generations, producing faster and faster offspring of wings. “This ‘survival of the fastest’ process automatically discovers a faster teardrop wing that more effectively handles the flows to generate thrust,” Ristroph explained. “In addition, because we explored a wide variety of shapes in our study, we were also able to identify exactly which aspects of the shape were primarily responsible for the strong performance of the faster wings.”
Their data can be used to improve aircraft airfoils as well as underwater projects, but Ristroph believes there is potential for energy capture, “We think this could be used, for example, to optimize the shape of a structure to harvest energy in water waves “3D printing makes these iterative and generational projects incredibly accessible; the costs of fabricating these wings with subtractive manufacturing methods would limit the team to just a few iterations, dramatically reducing the optimization achieved with multiple iterations.
