Physics-Informed Prognostics of Fatigue Failure in Additively Manufactured Rocket-Nozzle Cooling Channels: Sparse-Sensor Observability, Bayesian Calibration, and Uncertainty Quantification
本研究提出了一种物理信息驱动的贝叶斯数字孪生模型，用于利用稀疏传感器数据推断增材制造火箭喷管冷却通道中的制造缺陷并预测疲劳寿命，证明了其相比于数据驱动回归器在应对分布外工艺变化时具有更优越的鲁棒性，同时强调了通过额外的无损检测来探测不可观测孔隙率的必要性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
火箭发动机是人类制造的最强大的机器，但它们也是最脆弱的机器之一。在可重复使用的液体燃料发动机中，喷嘴——即负责将灼热废气导向太空的部分——必须在承受足以熔化钢材的高温的同时，通过流经微小内部通道的燃料进行冷却。这种被称为再生冷却的冷却系统是一种微妙的平衡。如果燃烧气体与冷却燃料之间的金属壁过薄，或者其制造过程中存在隐藏缺陷，发动机可能在仅使用几次后就会开裂失效。几十年来，工程师们一直依赖平均统计数据来决定何时退役这些部件，假设机队中的每台发动机都大致相同。但随着制造技术演变为逐层打印这些复杂的发动机，现实变得更加复杂。这种允许精细设计的工艺本身也引入了微小的、不可预测的变化，例如微观孔隙或粗糙表面，这些变化会剧烈缩短发动机的使用寿命。对于未来航天飞行而言，关键问题在于：我们是否仅利用测试期间有限的传感器，就能检测出单台发动机中这些特定的弱点？
纽约科技学院的一位研究人员通过创建一种复杂的计算机模拟来解决这一挑战，以测试我们预测这些打印喷嘴寿命的能力。该研究聚焦于一种由激光熔化金属粉末制成的铜合金发动机喷嘴。虽然这种制造方法具有革命性，但它会留下如内部粗糙度和微小孔洞之类的细微缺陷。研究人员构建了一个“数字孪生”——一个能够从数据中学习的真实发动机喷嘴虚拟副本。这个孪生体旨在利用单次发动机点火时的两个简单测量值——冷却燃料的升温情况和流经通道时的压力降——来反向推测金属壁的内部状况。其目标是观察这两个全局信号是否能足够清晰地揭示发动机的隐藏状态，从而预测其何时损坏。
该模拟使用每组包含三百台发动机的虚拟机队测试了三种不同的场景。在第一种场景中，发动机具有典型的制造偏差。在第二种场景中，发动机具有较粗糙的表面光洁度，这是一种传感器可以检测到的缺陷。在第三种场景中，发动机使用了一批含有较大内部孔隙的粉末，这是一种传感器无法察觉的缺陷。数字孪生体被置于与其他预测方法（包括基于发动机运行至失效的数据训练而成的复杂统计模型）的对抗之中。结果显示，数字孪生体在识别具有粗糙表面或错误壁厚的发动机方面表现得非常出色。仅经过三次模拟点火，该系统就能以极高的准确度正确标记出那些可能过早失效的发动机。它通过推断壁的平均厚度和通道的粗糙度实现了这一点，而这些因素直接影响着发动机处理热量和压力的能力。
然而，研究也揭示了传感器能力的硬性极限。当发动机含有隐藏的内部孔隙时，传感器完全失灵了。尽管发动机存在危险缺陷，温度和压力读数看起来却很正常。在这种情况下，数字孪生体和其他所有预测方法都无法提供可靠的寿命估计，往往会给出一种虚假的安全感。解决模拟中这一盲点的唯一方法是增加一项直接检测测量，即一种能够观察内部孔隙大小的扫描。当将这种额外数据输入数字孪生体时，其预测重新变得准确。这一发现表明，虽然传感器擅长捕捉改变发动机整体形状或流动的制造误差，但它们无法看到埋藏在金属深处的缺陷。
另一个重要的发现是，即使发动机采用了比系统此前见过的更粗糙的表面，数字孪生体依然保持可靠。其他纯粹依赖过去数据模式的预测方法在面对这些新情况时表现挣扎，其预测的准确性和信心度都会下降。由于数字孪生体是基于基本的物理定律而非仅仅是历史模式构建的，因此它能够适应并继续提供经过校准且值得信赖的预测。这突显了使用基于物理的模型的一个核心优势：当制造工艺发生轻微偏移时，它们不会轻易崩溃。
研究还强调了考虑简化计算机模型与复杂的发动机现实之间差异的重要性。如果没有一个特定的修正因子来弥合这一差距，数字孪生体会对错误的答案过度自信，将其预测范围缩小到一个精确但错误的值。通过引入一个代表这种不确定性的项，系统维持了一个现实的可能性范围，确保不会错过潜在的故障。研究结论指出，虽然我们可以利用简单的传感器数据来识别许多制造缺陷并预测火箭喷嘴的寿命，但我们不能仅依赖传感器。为了真正确保安全，特别是针对隐藏的内部缺陷，我们必须将传感器数据与直接检测方法相结合。这种混合方法为管理下一代可重复使用火箭发动机的寿命提供了最佳路径，使我们从基于平均值的猜测转向了解每一台特定机器的具体状况。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。