O gerotor de bomba para circulação e lubrificação de óleo é um componente crucial em sistemas automotivos e hidráulicos. Eles possuem design compacto, excelente vazão por rotação e alta capacidade de sucção. O perfil dos dentes do gerotor desempenha um papel significativo na determinação do desempenho geral de sistemas hidráulicos para lubrificação de motores e transmissões automáticas. Infelizmente, os métodos de projeto convencionais utilizam curvas matemáticas predefinidas e ajustes iterativos, o que compromete sua flexibilidade de otimização.
Pesquisadores da Universidade Nacional de Pusan, na Coreia do Sul, utilizam técnicas avançadas de IA generativa para criar projetos inovadores de gerotor de bombas de alto desempenho que melhoram significativamente a eficiência e reduzem o ruído em comparação com os métodos tradicionais de engenharia. Essa inovação demonstra o potencial transformador da IA na engenharia automotiva, possibilitando sistemas de motores mais inteligentes, silenciosos e confiáveis.
De forma inovadora, uma equipe de pesquisadores da Escola de Engenharia Mecânica da Universidade Nacional de Pusan, liderada pelo professor Chul Kim, propôs uma nova metodologia de projeto. Suas descobertas foram disponibilizadas online em 10 de outubro de 2025 e publicadas no Volume 162, Parte D, da revista Engineering Applications of Artificial Intelligence com data de 24 de dezembro de 2025.
O ponto central deste estudo é o uso de IA, especificamente uma rede generativa adversarial condicional, como ferramenta de projeto. Em vez de se basear na abordagem tradicional de usar curvas matemáticas predefinidas, os pesquisadores treinaram uma IA para gerar automaticamente novos perfis do gerotor. A IA aprendeu com um conjunto de dados que relaciona geometrias de perfil específicas e de alto desempenho aos seus dados reais de desempenho. Essa inovação permitiu que ela entendesse por que certas formas têm um desempenho melhor do que outras e, em seguida, gerasse novas geometrias altamente otimizadas que superam substancialmente os projetos tradicionais.
A equipe demonstrou que seu novo projeto, gerado por IA, apresenta ganhos substanciais de desempenho em simulações validadas por meio de dinâmica de fluidos computacional. Comparado a um perfil ovoide tradicional, o projeto proposto alcançou uma redução de 74,7% na irregularidade do fluxo. Isso significa que a saída da bomba é significativamente mais estável e consistente. Também apresenta um aumento de 32,3% na vazão média, o que indica melhor eficiência volumétrica, bem como uma redução de 53,6% na flutuação da pressão de saída, o que contribui diretamente para uma operação mais silenciosa e redução da vibração.
As aplicações práticas mais diretas deste trabalho encontram-se na indústria automotiva. A redução na flutuação de pressão e na irregularidade do fluxo é extremamente benéfica nesse setor. Isso pode resultar em sistemas de transmissão mais silenciosos e potencialmente melhorar a confiabilidade dos componentes, reduzindo a vibração e o estresse hidráulico instável. Além disso, o aumento de 32,3% na vazão média permite uma circulação de óleo mais eficiente em todo o motor. Isso contribui para uma melhor lubrificação e resfriamento dos componentes do motor, o que é fundamental para a sua durabilidade.
“Os mesmos princípios demonstrados em nosso estudo são aplicáveis a diversas bombas hidráulicas utilizadas em máquinas industriais, onde eficiência, baixo ruído e confiabilidade são fatores importantes, tornando nossa tecnologia altamente lucrativa para adoção na vida real”, afirma o professor Kim.
Em 10 anos, métodos como este poderão se tornar uma ferramenta padrão para engenheiros. Representa um avanço em direção ao “projeto inverso”, em que um engenheiro pode especificar as metas de desempenho desejadas, como “minimizar a flutuação de pressão”, e a IA auxilia na geração de uma geometria ideal para atender a essas metas. Além disso, essa abordagem pode acelerar o ciclo de pesquisa e desenvolvimento de componentes mecânicos complexos. Ela permite a exploração de um espaço de projeto muito mais amplo do que é possível por meio da iteração manual tradicional.
“Fundamentalmente, para o público, a adoção de componentes mais otimizados pode significar que as máquinas que usamos diariamente se tornarão mais silenciosas e confiáveis. No setor automotivo, isso se traduz em veículos com sistemas hidráulicos mais eficientes e duráveis, como transmissões e bombas de óleo”, conclui o prof. Kim.
– O artigo pode ser lido em: https://www.sciencedirect.com/science/article/abs/pii/S0952197625026351