Tesis:
Artificial intelligence aided design of microstructured surfaces for tribology and biointerfaces engineering
- Autor: FRANCO MARTÍNEZ, Francisco
- Título: Artificial intelligence aided design of microstructured surfaces for tribology and biointerfaces engineering
- Fecha: 2023
- Materia:
- Escuela: E.T.S. DE INGENIEROS INDUSTRIALES
- Departamentos: INGENIERIA MECANICA
- Acceso electrónico: https://oa.upm.es/77158/
- Director/a 1º: DÍAZ LANTADA, Andrés
- Director/a 2º: ECHÁVARRI OTERO, Javier
- Resumen: The interaction between two or more substances, whatever their types are, starts through their surfaces. Because of that, the surface is one of the most important parts of the interaction between elements, especially when considering solid objects. Good examples of the importance of surfaces are living organisms, which have developed surfaces with topologies and topographies at the micro- and nanoscale, and even hierarchical surfaces to reach unique properties that allow them to survive in the environment. Lotus plant leaves exhibit superhydrophobic properties that allow them to repel water and achieve a self-cleaning surface. Some marine animals are also known for the shapes of their scales, which give them low hydrodynamic resistance, even oleophobicity (capability to repel organic compounds), thus preventing the adhesion of non-desired molluscs and parasites on their surface.
Many scientists have worked extensively on the development of concepts, prototypes and devices with patterned surfaces to achieve properties similar to those of living organisms, a process known as bioinspiration. However, the interactions between substances at micro- and nanoscales are highly complex processes. Due to this fact, physical models to control these properties are scarce.
The main objective of this doctoral thesis is the development of artificial intelligence models for predicting the properties acquired by a material thanks to surface patterns. For this purpose, two highly relevant case studies have been selected.
The first case is the control and modification of wettability. This case study is very significant since different wettability states are included, standing out the superhydrophobicity functionality above mentioned. Wettability is measured by using the contact angle between a water droplet and the solid substrate. Therefore, this feature is the target to be predicted by the artificial intelligence.
The second case is the lubricated friction in machine elements with microtextured surfaces, such as rolling bearings, cams and gears. These elements generate non-conformal contacts with different lubrication regimes from elastohydrodynamic to boundary conditions. In this case, the microtextures are dimples capable of reducing friction in lubricated contacts because they act as lubricant microreservoirs and trap solid particles. Friction reduction is an essential issue to save energy and reduce emissions. In this case, artificial intelligence is developed for predicting the friction coefficient.
In order to generate and optimise the artificial intelligence models, the dataset is an important factor. In both cases, a library of microtextured surfaces has been developed. Each library contains information about the shape of the textures and the textures distribution along the surface, among other features. Moreover, a preprocessing procedure is applied to the data for reducing the time consumption and achieving better results.
Once the artificial intelligence models have been developed, their validation and test have been performed with new microtextured samples with the aim of selecting the best algorithm. Furthermore, the best models have been employed to find the optimal microtextures for each case study.
Finally, a new design methodology has been proposed for applying any surface pattern to three-dimensional objects. This last point has been developed since the majority of the scientific publications in literature study the microtextured surfaces on flat substrates, and not upon the final devices. The methodology combines different software for achieving devices that merge metamaterials and metasurfaces. These designed devices can be manufactured with advanced additive manufacturing technologies, such as two photon-polymerisation. The new design methodology is expected to be a starting point for the development of new bioengineering and biomedical devices that enhance healthcare, and even it may be applied to other research areas.
RESUMEN
La interacción entre dos o más sustancias comienza a través del contacto entre sus superficies. Por ello, la superficie es un elemento crítico en la interacción entre elementos. Un buen ejemplo de la importancia de la superficie son los organismos vivos, que mediante la evolución han desarrollado superficies con topologías y topografías en la micro- y nanoescala. Incluso superficies jerárquicas para alcanzar propiedades inusuales que les permitan sobrevivir en el medio. Las hojas de la flor de loto son superhidrófobas, propiedad que les permite repeler el agua y adquirir propiedades autolimpiantes. También algunos animales marinos son estudiados porque la disposición y topografía de sus escamas les confieren una baja resistencia hidrodinámica, incluso oleofobicidad (capacidad de repeler los compuestos orgánicos) evitando así la adhesión de moluscos y parásitos indeseados.
Científicos de todo el mundo han trabajado en el desarrollo de conceptos y dispositivos con superficies texturizadas, para lograr propiedades similares a las de los organismos vivos. Sin embargo, las interacciones entre sustancias en la micro- y nanoescala es un proceso de elevada complejidad. Por ello, los modelos físicos para controlar estas propiedades son escasos.
El objetivo principal de esta tesis es el desarrollo de modelos de inteligencia artificial que puedan predecir propiedades que son adquiridas a través del texturizado superficial. Para ello, se han seleccionado dos casos de estudio de elevada importancia.
El primero es el control y modificación de la humectabilidad de materiales. Este caso es relevante ya que en él se incluyen diferentes estados de humectación como la superhidrofobicidad. La humectabilidad se mide a través del ángulo de contacto que forman un sólido y una gota de agua, y por tanto, será la propiedad objetivo para los modelos de inteligencia artificial.
El segundo es el estudio de la fricción lubricada en contactos microtexturizados de elementos de máquinas, como rodamientos, levas o engranajes. Estos elementos generan contactos no conformes, haciendo que la lubricación vaya desde la elastohidrodinámica hasta la límite. En este caso, se emplean microtexturas en forma de hoyuelos que actúan como depósitos reteniendo el lubricante y además atrapan partículas consiguiendo reducir la fricción. La fricción es un problema esencial, ya que ésta es una de las causas principales de consumo de energía en máquinas, afectando al medioambiente y al agotamiento de fuentes de energía. En este caso, el objetivo a predecir por los modelos de inteligencia artificial es el coeficiente de fricción.
Para la generación de los modelos de inteligencia artificial es fundamental el conjunto de datos. En ambos casos, se han desarrollado colecciones de texturizados donde se recoge información sobre la forma de las texturas y su distribución, entre otras características. Además, se ha realizado un procesamiento previo de los datos para lograr reducir el tiempo de ejecución y mejorar los resultados.
Una vez se han optimizado los algoritmos, se ha realizado su validación y comprobación en nuevos conjuntos de datos. Con ello, se selecciona el mejor algoritmo y se emplea para encontrar los microtexturizados óptimos de cada caso de estudio.
Por último, se propone una nueva metodología de diseño que permita aplicar cualquier patrón de texturizado a objetos tridimensionales, ya que en la literatura la mayoría de los estudios sobre optimización de superficies se realizan solamente en probetas planas, y no sobre los dispositivos finales. Esta metodología combina diferentes programas para lograr dispositivos que hibridan metamateriales y metasuperficies y que pueden ser fabricados mediante avanzadas tecnologías de fabricación aditiva como la fotopolimerización de dos fotones. Se espera que esta metodología permita el desarrollo de nuevos dispositivos biomédicos que mejoren la salud de los pacientes, e incluso pueda ser aplicada a otras áreas.