Att med ögonen se början till en spricka på bladet i en jetmotor är nästan omöjligt. Alltså måste man räkna på det. Traditionella metoder bygger på avancerade modeller och empiriska data, och de är väldigt tidskrävande. Projektet syftar till att förändra brottmekanisk bedömning (sprickbildningsförlopp) genom att använda artificiell intelligens.
− Den stora potentialen ligger i att avsevärt kunna minska kostnaderna för beräkningarna, öka tillförlitligheten och snabba upp designen av ny teknik.
Vetenskapen ständigt närvarande
Daniel Leidermark är ny professor i solidmekanik med stort fokus på brottmekanik vid Linköpings universitet. I dag både undervisar han och forskar i sitt ämne vid LiU.
Hans vetenskapliga intresse för brottmekanik och turbiner går långt tillbaka. Men han fascineras fortfarande av hur en spricka bildas, eller hur ett metalliskt material beter sig:
− Jag gillar trädgårdsarbete hemma. Det är ett bra sätt att flytta fokus. En dag när jag borrade i en trädgårdsplåt märkte jag att metallen förändrades under borret.
En kvarvarande deformation uppstod, så kallad plasticitet. Det innebär att materialet hårdnade lokalt där Daniel försökte borra. Och det blev ännu svårare att komma igenom.
− Kanske använde jag ett dåligt borr och tryckte för hårt. Men då tänkte jag direkt på min forskning igen, säger han och skrattar lite.
När Daniel Leidermark undervisar sina studenter i hållfasthetslära och brottmekanik så brukar han faktiskt plocka fram en tunnplåt i aluminium. Det gör han nu också. Han böjer den och visar hur den stannar kvar i sitt böjda läge.
− Kvarvarande deformation. Det blir lite hårdare precis vid böjen. Och utsätter man den här för cyklisk last, alltså böjer den återkommande, så kommer den att gå av, den blir utmattad, påpekar han.
Oerhörda laster
Tillbaka i flygplanets jetmotor, som också är en stor gasturbin. Gasen som strömmar igenom kan vara omkring 1 400 grader varm. Bladen i turbinen snurrar runt, runt och utsätts samtidigt för värmen.
− Det är oerhörda cykliska laster som bladen i turbinen utsätts för. Och så temperaturskillnader och start/stopp på det.
Gammal metod består
Inom materialforskningen var den finita element-metoden revolutionerande på 1960- och 70-talen. Kortfattat går den ut på att dela in en detalj i små, små element i ett rutnät i en datamodell. Rutorna blir beståndsdelar som ”pratar” med varandra. De vill säga, om man lägger en last på ett ställe, så kommer den att påverka övriga element.
− Här passar artificiell intelligens in väldigt bra. Har du tillräckligt med data kan du träna AI:n för att förstå och känna igen mönster, säger Daniel Leidermark och tillägger:
− Vi kommer inte ifrån finita element-metoden, den är väldigt grundläggande. Men vi vill komplettera den med maskininlärning.
Det är inte en självgående teknik
Finns det någon risk med att använda maskininlärning?
− Det är inte en självgående teknik. Vi kan använda 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 på artificiell intelligens.
