Att med ögonen se början till en spricka pÄ bladet i en jetmotor Àr nÀstan omöjligt. AlltsÄ mÄste man rÀkna pÄ det. Traditionella metoder bygger pÄ avancerade modeller och empiriska data, och de Àr vÀldigt tidskrÀvande. Projektet syftar till att förÀndra brottmekanisk bedömning (sprickbildningsförlopp) genom att anvÀnda artificiell intelligens.
â Den stora potentialen ligger i att avsevĂ€rt kunna minska kostnaderna för berĂ€kningarna, öka tillförlitligheten och snabba upp designen av ny teknik.
Vetenskapen stÀndigt nÀrvarande
Daniel Leidermark Àr ny professor i solidmekanik med stort fokus pÄ brottmekanik vid Linköpings universitet. I dag bÄde undervisar han och forskar i sitt Àmne vid LiU.
Hans vetenskapliga intresse för brottmekanik och turbiner gÄr lÄngt tillbaka. Men han fascineras fortfarande av hur en spricka bildas, eller hur ett metalliskt material beter sig:
â Jag gillar trĂ€dgĂ„rdsarbete hemma. Det Ă€r ett bra sĂ€tt att flytta fokus. En dag nĂ€r jag borrade i en trĂ€dgĂ„rdsplĂ„t mĂ€rkte jag att metallen förĂ€ndrades under borret.
En kvarvarande deformation uppstod, sÄ kallad plasticitet. Det innebÀr att materialet hÄrdnade lokalt dÀr Daniel försökte borra. Och det blev Ànnu svÄrare att komma igenom.
â Kanske anvĂ€nde jag ett dĂ„ligt borr och tryckte för hĂ„rt. Men dĂ„ tĂ€nkte jag direkt pĂ„ min forskning igen, sĂ€ger han och skrattar lite.
NÀr Daniel Leidermark undervisar sina studenter i hÄllfasthetslÀra och brottmekanik sÄ brukar han faktiskt plocka fram en tunnplÄt i aluminium. Det gör han nu ocksÄ. Han böjer den och visar hur den stannar kvar i sitt böjda lÀge.
â Kvarvarande deformation. Det blir lite hĂ„rdare precis vid böjen. Och utsĂ€tter man den hĂ€r för cyklisk last, alltsĂ„ böjer den Ă„terkommande, sĂ„ kommer den att gĂ„ av, den blir utmattad, pĂ„pekar han.
Oerhörda laster
Tillbaka i flygplanets jetmotor, som ocksÄ Àr en stor gasturbin. Gasen som strömmar igenom kan vara omkring 1 400 grader varm. Bladen i turbinen snurrar runt, runt och utsÀtts samtidigt för vÀrmen.
â Det Ă€r oerhörda cykliska laster som bladen i turbinen utsĂ€tts för. Och sĂ„ temperaturskillnader och start/stopp pĂ„ det.
Gammal metod bestÄr
Inom materialforskningen var den finita element-metoden revolutionerande pĂ„ 1960- och 70-talen. Kortfattat gĂ„r den ut pĂ„ att dela in en detalj i smĂ„, smĂ„ element i ett rutnĂ€t i en datamodell. Rutorna blir bestĂ„ndsdelar som âpratarâ med varandra. De vill sĂ€ga, om man lĂ€gger en last pĂ„ ett stĂ€lle, sĂ„ kommer den att pĂ„verka övriga element.
â HĂ€r passar artificiell intelligens in vĂ€ldigt bra. Har du tillrĂ€ckligt med data kan du trĂ€na AI:n för att förstĂ„ och kĂ€nna igen mönster, sĂ€ger Daniel Leidermark och tillĂ€gger:
â Vi kommer inte ifrĂ„n finita element-metoden, den Ă€r vĂ€ldigt grundlĂ€ggande. Men vi vill komplettera den med maskininlĂ€rning.
Det Àr inte en sjÀlvgÄende teknik
Finns det nÄgon risk med att anvÀnda maskininlÀrning?
â Det Ă€r inte en sjĂ€lvgĂ„ende teknik. Vi kan anvĂ€nda AI:n för att snabbare bedöma sprickbildning och snabbt kunna ta fram geometrier för att designa nya turbiner. Men den slutgiltiga designen kommer inte att vara helt baserad pĂ„ artificiell intelligens.
