Physics-Informed Prognostics of Fatigue Failure in Additively Manufactured Rocket-Nozzle Cooling Channels: Sparse-Sensor Observability, Bayesian Calibration, and Uncertainty Quantification
यह अध्ययन एक भौतिकी-सूचित बेयसियन डिजिटल ट्विन (physics-informed Bayesian digital twin) प्रस्तावित करता है जो विरल सेंसर डेटा का उपयोग करके एडिटिवली मैन्युफैक्चर्ड रॉकेट-नोजल कूलिंग चैनलों में विनिर्माण दोषों का अनुमान लगाता है और थकान जीवन (fatigue life) की भविष्यवाणी करता है, जो डेटा-संचालित रिग्रेसर्स की तुलना में आउट-ऑफ-डिस्ट्रीब्यूशन प्रक्रिया विविधताओं के प्रति बेहतर मजबूती प्रदर्शित करता है और अदृश्य छिद्रण (unobservable porosity) का पता लगाने के लिए अतिरिक्त गैर-विनाशकारी परीक्षण की महत्वपूर्ण आवश्यकता को रेखांकित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
रॉकेट इंजन मानव द्वारा बनाई गई सबसे शक्तिशाली मशीनें हैं, फिर भी वे सबसे नाजुक मशीनों में से एक भी हैं। एक पुन: प्रयोज्य तरल-ईंधन वाले इंजन में, नोजल—वह हिस्सा जो दहकते हुए धुएं को अंतरिक्ष की ओर निर्देशित करता है—को ऐसे तापमानों को झेलना होता है जो स्टील को पिघलाने के लिए पर्याप्त गर्म हों, जबकि इसे सूक्ष्म आंतरिक चैनलों के माध्यम से बहने वाले ईंधन द्वारा ठंडा किया जा रहा हो। यह कूलिंग सिस्टम, जिसे रिजेनरेटिव कूलिंग कहा जाता है, एक नाजुक संतुलन है। यदि जलती हुई गैस और ठंडा करने वाले ईंधन के बीच की धातु की दीवार बहुत पतली है, या यदि इसमें इसके निर्माण के दौरान कोई छिपी हुई खामी है, तो इंजन केवल कुछ उपयोगों के बाद ही टूट सकता है और विफल हो सकता है। दशकों तक, इंजीनियर इन पुर्जों को रिटायर करने का निर्णय लेने के लिए औसत सांख्यिकी पर भरोसा करते रहे हैं, यह मानते हुए कि बेड़े का प्रत्येक इंजन लगभग एक जैसा है। लेकिन जैसे-जैसे इन जटिल इंजनों को परत दर परत प्रिंट करने वाली निर्माण तकनीक विकसित हो रही है, वास्तविकता अधिक जटिल हो गई है। जिस प्रक्रिया के कारण जटिल डिजाइन संभव होते हैं, वही धातु में सूक्ष्म, अप्रत्याशित विविधताओं, जैसे कि सूक्ष्म छिद्रों या खुरदरी सतहों को भी जन्म देती है, जो इंजन के जीवनकाल को काफी कम कर सकती हैं। अंतरिक्ष उड़ान के भविष्य के लिए महत्वपूर्ण प्रश्न यह है कि क्या हम परीक्षण के दौरान उपलब्ध सीमित सेंसरों का उपयोग करके, विफलता से पहले एक एकल इंजन की विशिष्ट कमजोरियों का पता लगा सकते हैं।
न्यूयॉर्क इंस्टीट्यूट ऑफ टेक्नोलॉजी के एक शोधकर्ता ने इस चुनौती से निपटने के लिए एक परिष्कृत कंप्यूटर सिमुलेशन बनाया है ताकि यह परीक्षण किया जा सके कि हम इन प्रिंटेड रॉकेट नोजल के जीवनकाल की भविष्यवाणी कितनी अच्छी तरह कर सकते हैं। यह अध्ययन कॉपर अलॉय (तांबे के मिश्र धातु) से बने एक विशिष्ट प्रकार के इंजन नोजल पर केंद्रित है, जिसे लेजर का उपयोग करके धातु पाउडर को फ्यूज करके प्रिंट किया जाता है। हालांकि यह निर्माण पद्धति क्रांतिकारी है, लेकिन यह आंतरिक खुरदरापन और सूक्ष्म छिद्रों जैसी सूक्ष्म खामियां पीछे छोड़ देती है। शोधकर्ता ने एक "डिजिटल ट्विन" बनाया, जो एक वास्तविक इंजन नोजल की आभासी प्रति है जो डेटा से सीखती है। यह ट्विन एक एकल इंजन फायरिंग के दौरान लिए गए दो सरल मापों—ठंडा करने वाले ईंधन के तापमान में वृद्धि और चैनलों के माध्यम से बहने वाले प्रवाह में दबाव की गिरावट—को लेने और पीछे की ओर काम करके धातु की दीवार की आंतरिक स्थिति का अनुमान लगाने के लिए डिज़ाइन किया गया है। लक्ष्य यह देखना था कि क्या ये दो वैश्विक संकेत इंजन की छिपी हुई स्थिति को इतनी अच्छी तरह से प्रकट कर सकते हैं कि इसके टूटने का पूर्वानुमान लगाया जा सके।
सिमुलेशन ने तीन सौ इंजनों के आभासी बेड़े का उपयोग करके तीन अलग-अलग परिदृश्यों का परीक्षण किया। पहले परिदृश्य में, इंजनों में विशिष्ट विनिर्माण विविधताएं थीं। दूसरे में, इंजन एक खुरदरी सतह फिनिश के साथ बनाए गए थे, एक ऐसी खामी जिसे सेंसर पहचान सकते हैं। तीसरे में, इंजन पाउडर के एक ऐसे बैच से बनाए गए थे जिसमें बड़े आंतरिक छिद्र थे, एक ऐसी खामी जिसे सेंसर नहीं देख सकते थे। डिजिटल ट्विन को अन्य भविष्यवाणी विधियों के विरुद्ध रखा गया था, जिसमें जटिल सांख्यिकीय मॉडल शामिल थे जिन्हें उन इंजनों के डेटा पर प्रशिक्षित किया गया था जिन्हें विफल होने तक चलाया गया था। परिणामों ने दिखाया कि डिजिटल ट्विन खुरदरी सतहों या गलत दीवार की मोटाई वाले इंजनों की पहचान करने में उल्लेखनीय रूप से प्रभावी था। केवल तीन सिम्युलेटेड फायरिंग के बाद, सिस्टम उन इंजनों को सही ढंग से चिह्नित कर सका जिनके जल्दी विफल होने की संभावना थी। इसने उच्च स्तर की सटीकता हासिल की। इसने यह निष्कर्ष निकाला कि दीवार की औसत मोटाई और चैनल की खुरदरापन क्या है, जो सीधे तौर पर यह प्रभावित करते हैं कि इंजन गर्मी और दबाव को कैसे संभालता है।
हालांकि, अध्ययन ने इस बात की एक कठिन सीमा भी उजागर की कि सेंसर हमें क्या बता सकते हैं। जब इंजनों में छिपे हुए आंतरिक छिद्र थे, तो सेंसर पूरी तरह से अंधे थे। तापमान और दबाव के रीडिंग सामान्य लग रहे थे, भले ही इंजन खतरनाक रूप से त्रुटिपूर्ण था। इन मामलों में, डिजिटल ट्विन और अन्य सभी भविष्यवाणी विधियां इंजन के जीवन का विश्वसनीय अनुमान लगाने में विफल रहीं, जिससे अक्सर सुरक्षा का झूठा अहसास हुआ। सिमुलेशन में इस ब्लाइंड स्पॉट को ठीक करने का एकमात्र तरीका एक प्रत्यक्ष निरीक्षण माप जोड़ना था, विशेष रूप से एक स्कैन जो आंतरिक छिद्रों के आकार को देख सके। जब इस अतिरिक्त डेटा को डिजिटल ट्विन में डाला गया, तो इसकी भविष्यवाणियां फिर से सटीक हो गईं। यह निष्कर्ष बताता है कि जबकि सेंसर उन विनिर्माण त्रुटियों को पकड़ने में उत्कृष्ट हैं जो इंजन के समग्र आकार या प्रवाह को बदलते हैं, वे धातु के भीतर गहराई में दबे दोषों को नहीं देख सकते।
एक अन्य महत्वपूर्ण खोज यह थी कि डिजिटल ट्विन तब भी विश्वसनीय बना रहा जब इंजन उन सतहों के साथ बनाए गए थे जो सिस्टम द्वारा पहले कभी देखी गई खुरदरी सतहों से भी अधिक खुरदरी थीं। अन्य भविष्यवाणी विधियाँ, जो केवल पिछले डेटा में पाए गए पैटर्न पर निर्भर करती हैं, इन नई स्थितियों का सामना करने पर संघर्ष करती हैं। वे कम सटीक और अपने अनुमानों में कम आश्वस्त हो जाती हैं। डिजिटल ट्विन, क्योंकि यह केवल ऐतिहासिक पैटर्न के बजाय भौतिकी के मूलभूत नियमों पर आधारित है, अनुकूलित होने और विश्वसनीय भविष्यवाणियां प्रदान करने में सक्षम था। यह भौतिकी-आधारित मॉडलों के उपयोग के एक प्रमुख लाभ को रेखांकित करता है: जब विनिर्माण प्रक्रिया सामान्य से थोड़ी बाहर निकल जाती है, तो वे आसानी से विफल नहीं होते हैं।
शोध ने इस बात पर भी जोर दिया कि सरल कंप्यूटर मॉडल और इंजन की जटिल वास्तविकता के बीच के अंतर को ध्यान में रखना कितना महत्वपूर्ण है। एक विशिष्ट सुधार कारक (करेक्शन फैक्टर) के बिना, जो इस अंतर को पाटने का काम करे, डिजिटल ट्विन गलत उत्तरों में अत्यधिक आत्मविश्वासी हो जाता था, जिससे उसकी भविष्यवाणियां एक सटीक लेकिन गलत मान तक सीमित हो जाती थीं। इस अनिश्चितता को दर्शाने के लिए एक शब्द (term) को शामिल करके, सिस्टम ने संभावनाओं की एक यथार्थवादी सीमा बनाए रखी, जिससे यह सुनिश्चित हुआ कि वह संभावित विफलताओं को न चूक जाए। अध्ययन निष्कर्ष निकालता है कि हालांकि हम सरल सेंसर डेटा का उपयोग कई विनिर्माण दोषों की पहचान करने और रॉकेट नोजल के जीवन का अनुमान लगाने के लिए कर सकते हैं, लेकिन हम केवल सेंसरों पर भरोसा नहीं कर सकते। सुरक्षा सुनिश्चित करने के लिए, विशेष रूप से छिपे हुए आंतरिक दोषों के खिलाफ, हमें सेंसर डेटा को प्रत्यक्ष निरीक्षण विधियों के साथ जोड़ना होगा। यह हाइब्रिड दृष्टिकोण पुन: प्रयोज्य रॉकेट इंजनों की अगली पीढ़ी के जीवनकाल के प्रबंधन के लिए सबसे अच्छा मार्ग है, जो औसत के आधार पर अनुमान लगाने के बजाय प्रत्येक व्यक्तिगत मशीन की विशिष्ट स्थिति को जानने की दिशा में बढ़ता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।