用于油循环和润滑的齿轮泵是汽车和液压系统中至关重要的部件。它们结构紧凑，每转流量大，吸力强。齿轮的齿形对发动机润滑和自动变速器液压系统的整体性能起着决定性作用。然而，传统的齿轮泵设计方法依赖于预定义的数学曲线和迭代调整，这限制了其优化的灵活性。

据外媒报道，釜山大学（Pusan National University）机械工程学院（School of Mechanical Engineering）Chul Kim教授领导的研究团队提出了一种新的设计方法。相关研究成果发表在期刊《Engineering Applications of Artificial Intelligence》上。

图片来源： 釜山大学

这项研究的关键在于使用人工智能，特别是条件生成对抗网络（CGANA）作为设计工具。研究人员没有采用传统的预定义数学曲线方法，而是训练了一个人工智能系统来自动生成新的转子轮廓。

该人工智能系统通过一个数据集进行学习，该数据集将特定的高性能轮廓几何形状与其实际性能数据关联起来。这项创新使其能够理解为什么某些形状的性能优于其他形状，并生成性能显著优于传统设计的全新高度优化几何形状。

性能提升及实际应用效果

该团队通过计算流体动力学仿真验证，证明其基于人工智能生成的新型设计在性能方面实现了显著提升。

与传统的卵形轮廓相比，该设计使流动不规则性降低了74.7%。这意味着泵的输出更加稳定一致。此外，平均流量提高了32.3%，表明容积效率更高；出口压力波动降低了53.6%，这直接有助于降低运行噪音和振动。

本研究最直接的实际应用领域是汽车行业。压力波动和流量不规则性的降低在此领域具有显著优势。它可以使传动系统运行更加安静，并通过减少振动和不稳定的液压应力来提高部件的可靠性。

此外，平均流量提高32.3%使得机油在发动机内循环更加高效。这有助于更好地润滑和冷却发动机部件，这对发动机的耐久性至关重要。

未来潜力及更广泛应用

Kim教授表示：“我们研究中展示的原理同样适用于工业机械中使用的各种液压泵，这些泵对效率、低噪音和可靠性要求很高，因此我们的技术具有很高的实际应用价值。”

未来五到十年内，此类方法有望成为工程师的常用工具。它代表着一种“逆向设计”的趋势，即工程师可以指定所需的性能目标，例如“最小化压力波动”，然后人工智能将辅助生成满足这些目标的最佳几何形状。

此外，这种方法可以加快复杂机械部件的研发周期。它能够探索比传统手工迭代更广泛的设计空间。

“至关重要的是，对于公众而言，采用更优化的部件意味着我们日常使用的机器将更加安静、可靠。在汽车行业，这意味着车辆将配备更高效、更耐用的液压系统，例如变速器和油泵，”Kim教授总结道。