Wing profile evolution driven by computational fluid dynamics

In the domain of fluid dynamics, the problem of shape optimization is relevant because is essential to increase lift and reduce drag forces on a body immersed in a fluid. The current state of the art in this aspect consists of two variants: (1) evolution from an initial guess, using optimization to achieve a very specific effect, (2) creation and genetic breeding of random individuals. These approaches achieve optimal shapes and evidence of response under parameter variation. Their disadvantages are the need of an approximated solution and / or the trial - and - error generation of individuals. In response to this situation, this manuscript presents a method which uses Fluid Mechanics indicators (e.g. streamline curvature, pressure difference, zero velocity neighborhoods) to directly drive the evolution of the individual (in this case a wing profile). This pragmatic strategy mimics what an artisan (knowledgeable in a specific technical domain) effects to improve the shape. Our approach is not general, and it is not fully automated. However, it shows to efficiently reach wing profiles with the desired performance. Our approach shows the advantage of application domain - specific rules to drive the optimization, in contrast with generic administration of the evolution. En el dominio de mecánica de fluidos, el problema de optimización de forma es relevante porque es esencial incrementar la fuerza de elevación y reducir la de arrastre en un cuerpo inmerso en un fluido. El estado del arte actual consiste en dos variantes: (1) evolución a partir de una estimación inicial usando optimización para lograr un efecto específico, (2) creación y crianza genética de individuos aleatorios. Estos enfoques logran formas óptimas y evidencian la respuesta bajo la variación de parámetros. Sus desventajas son la necesidad de una solución aproximada y / o la generación de individuos por ensayo - y - error. En respuesta a esta situación, este manuscrito presenta un método que usa indicadores de Mecánica de Fluidos (e.g. curvatura en líneas de corriente, diferencia de presión, zonas de velocidad cero) para dirigir la evolución de un individuo (en este caso un perfil de ala). Se presenta una estrategia pragmática que imita las acciones de un artesano (conocedor de un dominio técnico en específico) para mejorar la forma. Nuestra aproximación no es general y no está completamente automatizada. Sin embargo, presenta eficiencia al alcanzar perfiles de alas con el desempeño deseado. Nuestra aproximación presenta la ventaja de tener un dominio y reglas de aplicación específicas para realizar la optimización, en contraste con la administración genérica de la evolución