Início Estudos e Pesquisas

Nova ferramenta identifica fenômeno antes que ele destrua o motor do avião

Motor PW P&W GTF PW1100G

Motores de combustão, como os de aeronaves, permanecem sob risco de danos catastróficos por um fenômeno chamado “oscilações de combustão”, no qual as flutuações de pressão dentro do motor se tornam muito grandes.

Agora, pesquisadores do Japão desenvolveram uma nova ferramenta que deverá detectar um precursor das oscilações de combustão usando “machine learning” (aprendizado de máquina) e uma abordagem baseada em sistemas dinâmicos, abrindo portas para a previsão e prevenção de danos catastróficos relacionados aos motores.

Motores de combustão têm sido usados desde o final do século dezoito, apesar de não ganharem popularidade até mais de 50 anos mais tarde. Agora, eles são praticamente onipresentes, alimentando qualquer coisa, desde carros até aviões.

A parte do motor de combustão em que o combustível é queimado é chamada de combustor. A vida útil de um combustor pode ser limitada por um fenômeno chamado “oscilações de combustão termoacústica”. Quando as oscilações termoacústicas se tornam muito grandes ou fora de controle, causam danos fatais aos combustores, que podem ter enormes consequências financeiras e humanas.

Detectar oscilações de combustão e prevenir danos é um esforço chave no campo da engenharia térmica. Recentemente, uma equipe de cientistas do Japão-incluindo Hiroshi Gotoda, Yuhei Shinichi e Naohiro Takeda da Universidade de Ciência de Tóquio, bem como Seiji Yoshida e Takeshi Shoji da Agência de Exploração Aeroespacial do Japão (JAXA) -desenvolveram uma ferramenta promissora para a detecção de um precursor de oscilações termoacústicas.

O estudo foi disponibilizado online em 10 de maio de 2021 e publicado no volume 59 do American Institute of Aeronautics and Astronautics Journal em 1 de outubro de 2021.

“Em nosso estudo, mostramos que a metodologia que combina teoria de sistemas dinâmicos e machine learning pode ser útil para detectar oscilações de combustão preditivas em combustores multissetoriais, como aqueles em motores de aeronaves”, disse o Prof. Gotoda, que liderou o estudo.

A equipe conduziu experimentos de combustão com taxas de fluxo de combustível variáveis ​​em um combustor multissetor em estágio, desenvolvido pela JAXA. Os cientistas usaram os dados desses experimentos para treinar um algoritmo de aprendizado de máquina chamado “máquina de vetor de suporte” (SVM).

O SVM permitiu que eles classificassem a combustão em três estados – oscilações estável, transicional e de combustão. As flutuações de pressão no estado de transição são essenciais para prever futuras oscilações de combustão.

No estado de transição, as flutuações de pressão passam de amplitude pequena e aperiódica para amplitude grande e periódica. A amplitude representa a ‘grandeza’ da flutuação, enquanto a periodicidade descreve a repetição da flutuação.

“Os resultados deste estudo irão contribuir muito para o desenvolvimento de um método para detectar antecipadamente as oscilações da combustão nos motores das aeronaves”, revela o Prof. Gotoda.

Essas descobertas podem ter consequências de longo alcance, abrindo caminho para previsões confiáveis ​​e oportunas de oscilações de combustão, com potencial para salvar bilhões de dólares e vidas humanas.

Informações da Tokio University of Science

Sair da versão mobile