تحليل وتصميم متعدد المعاملات قائم على تقنيات تعلم الآلة للهياكل الحلزونية غير الخطية مع مراعاة تصادم البنية الداخلية

لماذا تهم نوابض السيارة أكثر مما تظن

مخفية داخل محركات السيارات عالية الأداء توجد نوابض معدنية ملفوفة بإحكام تفتح وتغلق الصمامات آلاف المرات في الثانية. هذه النوابض الحلزونية تفعل أكثر من مجرد الارتداد؛ فهي تخزن الطاقة وتروّض الاهتزازات العنيفة. لكن عند سرعات قصوى، قد تولّد نفس النوابض فجأة ذروات قوة حادة تضرّ الأجزاء وتقصّر عمر المحرك. تشرح هذه الدراسة مصدر تلك الذروات وتوضح كيف يمكن للمحاكاة الحاسوبية الحديثة وتعلّم الآلة أن يساعدا المهندسين على إعادة تصميم النوابض لتكون متينة وفعالة في امتصاص الاهتزازات في الوقت نفسه.

النوابض عند سرعات محرك قصوى

ركز الباحثون على نابض صمام من نوع "خليّة النحل" مستخدم في محرك رياضي عالي السرعة. على عكس النابض البسيط المستقيم، يتغير هذا النابض في القطر على طول ارتفاعه وتقترب لفائفه عند مناطق معيّنة عن غيرها. ركّب الفريق النابض في محرك V8 حقيقي مدفوع بمحرك كهربائي وقاسوا القوى التي أنتجها أثناء دوران المحرك بين 6500 و16000 دورة في الدقيقة. عند السرعات المنخفضة بقيت القوى القصوى قرب 900 نيوتن وتقلبت بسلاسة، كما هو متوقع من اهتزاز عادي. لكن عند نحو 7800 دورة في الدقيقة ومرة أخرى عند سرعات أعلى، قفزت القوى المقاسة فجأة إلى أكثر من 1500–1800 نيوتن. أشارت هذه الذروات غير المتوقعة إلى عملية مختلفة وأكثر عنفًا تحدث داخل النابض.

النظر داخل النابض عبر اختبارات افتراضية

لمعرفة ما يحدث بين اللفائف، بنى الفريق نموذجًا حاسوبيًا مفصّلًا للغاية للنابض باستخدام تقنية هندسية قياسية تسمى تحليل العناصر المنتهية. أعادوا إنشاء الشكل الهندسي والمواد بدقة، وأدرجوا الاحتكاك والتماس بين اللفائف المجاورة، وحركوا النموذج بنفس حركة عمود الكامات الموجودة في المحرك. عندما شغّلوا المحاكاة عند 7800 دورة في الدقيقة طابقت القوى المتوقعة قياسات المحرك عن قرب، بما في ذلك الذروة الحادة في نقطة محددة من دورة الكامات. من خلال تتبع حركة اللفائف الفردية، وجدوا أن لفيفين متجاورين في منطقة ذات فجوة ضيقة اصطدما لفترة وجيزة ثم انفصلا خلال بضعة أجزاء من الألف من الثانية. أطلق هذا التصادم السريع موجة مرنة قوية عبر النابض، والتي ظهرت على شكل ذروة القوة المرصودة.

كيف يمكن لتصادم اللفائف أن يفيد ويضر

تبين أن هذه التصادمات سيف ذو حدين. فمن جهة، عندما تصطدم اللفائف ببعضها فإنها تبدد بعض طاقة الاهتزاز ويمكن أن تقلل التذبذبات المستمرة—وهو أمر مفيد للحفاظ على استقرار حركة الصمام. ومن جهة أخرى، تولّد هذه الصدمات نفسُها قوى كبيرة وقصيرة الأمد قد تسرّع التعب وتؤدي إلى فشل مبكر. لذا يتلخّص التحدي التصميمي في عدم القضاء على التماس بالكامل، بل ضبط هندسة النابض بحيث تكون التصادمات خفيفة بما يكفي لتجنّب الذروات الضارة مع الاستمرار في توفير تخميد مفيد. وبما أن شكل النابض يُحدَّد بعدة أبعاد مترابطة—مثل قطر اللفائف و"الارتفاع" العمودي عند مواضع متعددة—فإن اختبار كل تركيبة ممكنة مباشرة في المحرك أو عبر محاكاة كاملة سيكون مستهلكًا للوقت للغاية.

إتاحة الخوارزميات لتعلّم الأشكال الأفضل

لمعالجة هذا اللغز متعدد المعاملات استخدم الباحثون تقنيات تعلم الآلة. نوّعوا أربعة معالم هندسية رئيسية لاثنين من اللفائف المتقاربتين، وابتكروا 60 تصميمًا افتراضيًا مختلفًا للنابض، وحاكوا كل واحد منها عند سرعة المحرك الحرجة. وسجّلوا لكل تصميم أقصى قوة ديناميكية. ثم أُدخلت هذه البيانات في نوعين من خوارزميات التعلم: شبكة عصبية عميقة تعمل كصندوق أسود قوي للتعرّف على الأنماط، ونموذج برمجة وراثية ينتج معادلات رياضية صريحة. حققت الشبكة العصبية دقة تنبؤ أعلى، واستطاعت إعادة إنتاج ذروات القوة المحاكاة عن كثب حتى لتصاميم لم ترها من قبل. باستخدام هذا النموذج المدرب، استطاع الفريق مسح آلاف التصاميم الافتراضية تقريبًا على الفور ورسم خريطة لكيفية تأثير تغيّر قطر وارتفاع اللفائف على ذروات القوة الناتجة.

العثور على تصميمات نوابض أكثر أمانًا ونعومة

من خلال مسح مساحة التصميم المتعلّمة هذه، أبرز المؤلفون مناطق يبقى فيها مقدار القوى القصوى أقل من المستويات المرتبطة بالضرر، ومع ذلك تحدث فيها تصادمات وبالتالي تخميد مفيد. ببساطة، أظهروا كيف أن تعديل حجم وموقع زوج بسيط من اللفائف يمكن أن يحوّل نابضًا قاسٍ معرضًا للذروات إلى نابض يدير اهتزازات المحرك بلطف أكبر. يجمع نهجهم بين محاكاة واقعية عالية السرعة ونماذج قائمة على البيانات لتوجيه خيارات التصميم دون اختبارات فعلية لا نهائية. وبينما تركز هذه الدراسة على نابض صمام محدد، يمكن تطبيق نفس الاستراتيجية على العديد من الأجهزة الحلزونية، من نظامي تعليق القطارات إلى الهياكل الخارجية القابلة للارتداء، مما يساعد المهندسين على ابتكار مكونات قوية وأكثر هدوءًا تحت ظروف قصوى.

الاستشهاد: Gu, Z., Liu, Y., Kong, X. et al. Machine learning techniques based multi-parameter analysis and design of nonlinear helical structures considering internal structure collisions. Sci Rep 16, 8595 (2026). https://doi.org/10.1038/s41598-026-39953-y

الكلمات المفتاحية: نوابض الصمامات, تخميد الاهتزاز, تصادم الأسلاك الملفوفة, تصميم بتعلم الآلة, محركات عالية السرعة