التحسين متعدد الأهداف لمعلمات عملية التنظيف بالليزر الهجينة لرواسب الكربون بناءً على Bayesian-SVR و NSGA-II

لماذا تهم المحركات الأنظف

أي شخص قاد سيارة لسنوات شعر بأن المحرك يصبح أقل قوة مع التقدم في العمر. أحد المسببات الخفيّة هو طبقة متينة من الكربون المتربة التي تغطي تدريجيًا قمم المكابس، ما يهدر الوقود ويزيد الانبعاثات. تستعرض هذه الدراسة طريقة جديدة تعتمد على الليزر لإزالة تلك الرواسب بكفاءة مع حماية المعدن الكامن تحتها. كما توضح كيف يمكن لأدوات البيانات الحديثة ضبط العملية على الحاسوب، مما يقلل من التجريب والخطأ في الورشة.

مشكلة السخام العنيد في المحرك

داخل المحرك العامل، لا يحترق الوقود بشكل كامل ونظيف دائمًا. مع مرور الوقت، تتراكم طبقات رقيقة من الكربون على قمة كل مكبس. تغير هذه الرواسب شكل حجرة الاحتراق، فتقلل الكفاءة، وتزيد استهلاك الوقود، وتزيد من الانبعاثات الضارة. في الحالات القصوى قد تتسبب في طرطقة أو حتى تلف المحرك. تعتمد طرق التنظيف التقليدية على المواد الكيميائية أو النفث أو الكشط اليدوي. هذه الأساليب فوضوية وبطيئة، وقد تجعل سطح المعدن خشنًا أو متآكلًا، كما قد تخلق مخاطر بيئية من المذيبات والنفايات.

طريقة أذكى لإعادة اللمعان

ركز الباحثون على نظام تنظيف ليزري «هجيني» يجمع نوعين من أشعة الليزر الصناعية: شعاع مستمر يسخّن ويطرِّي الكربون بلطف، وشعاع نابض يطلق دفعات قصيرة وقوية ليزيحه. اختبروا هذا الأسلوب على مكابس مستخدمة من محرك BMW ذا عداد كيلومترات مرتفع، حيث كانت قممها مغطاة بكربون بسمك يقارب شعر الإنسان. عرَّف مقياسان بسيطان النجاح: مدى نعومة السطح المعدني بعد التنظيف، وكمية الكربون المتبقية. التحدي هو أن دفع الليزر بقوة قد يزيل الكربون تمامًا لكنه يترك سطحًا خشنًا أو متضررًا؛ أما تشغيله بلطف فيحمي المعدن لكنه يترك بقايا كثيرة.

ترك ضبط الإعدادات للبيانات

بدلًا من ضبط إعدادات الليزر يدويًا، لجأ الفريق إلى تعلم الآلة — نماذج حاسوبية تتعلم الأنماط من البيانات. من 81 تجربة مصممة بعناية، سجّلوا أربعة معلمات رئيسية في نظام التنظيف: قدرة كل ليزر، وسرعة تحريك الشعاع على السطح، وتواتر إطلاق الشعاع النابض. ثم دربوا عدة أنواع من النماذج للتنبؤ بنعومة السطح وبكمية الكربون المتبقي استنادًا إلى هذه الإعدادات. برزَ أسلوب الانحدار بدعم الناقل (SVR) كالأفضل، لا سيما بعد جولة إضافية من الضبط الداخلي «بايزينيًا» لمعاملاته. مع هذا النموذج المحسّن، أصبحت تنبؤات كمية الكربون المتبقي أقرب بكثير إلى القيم المقاسة.

موازنة بين السطوح النظيفة والمعالجة الرقيقة

بمجرد أن حصلوا على متنبئات موثوقة، استخدم المؤلفون طريقة بحث تطورية للعثور على إعدادات الليزر الواعدة. بدلًا من إخراج وصفة «أفضل» واحدة، أنتج البحث مجموعة من الحلول التي تقايض بين النعومة والنظافة. أعطت بعض الإعدادات قمم مكابس شديدة النعومة لكنها تركت بعض الكربون؛ بينما خفضت إعدادات أخرى البقايا إلى حد كبير لكن مقابل تشطيب أبقد خشونة طفيفة. ضمن هذه المجموعة، أبرز الباحثون ثلاثة خيارات نموذجية: خيار منخفض الخشونة، خيار منخفض البقايا، وإعداد متوازن بينهما. عندما اختبروا الوصفة المتوازنة في تجارب جديدة، كانت كل من الخشونة النهائية والكربون المتبقي ضمن 10 بالمئة من تنبؤات النموذج — وهو دقة كافية لتحملات الورشة العملية.

ماذا يعني ذلك للمحركات وما بعدها

للقارئ العام، الخلاصة أن توجيه الليزر نحو قطع المحرك المتسخة هو مجرد نصف القصة. التقدم الحقيقي يكمن في استخدام البيانات والخوارزميات لتوجيه تلك الأشعة بشكل واعٍ. تُظهر هذه الدراسة أنه حتى بعدد محدود من التجارب، يمكن للحواسيب المساعدة في اكتشاف «نقاط تشغيل» فعّالة قد يغفلها التجريب اليدوي، مما يقلل الهدر ويحمي المكوّنات. يشدد المؤلفون على أن نتائجهم تنطبق ضمن الشروط الخاصة التي اختبروا فيها وأنه ستكون هناك حاجة إلى مجموعات بيانات أكبر لتعميم النتائج على نحو أوسع. ومع ذلك، يشير العمل إلى مستقبل يمكن فيه جعل تنظيف وتجديد القطع عالية القيمة — من محركات السيارات إلى مكوّنات الطائرات — أنظف وأكثر أمانًا وكفاءةً في استهلاك الطاقة عبر مزج الليزر المتقدم مع تحسين قائم على البيانات.

الاستشهاد: Su, Y., Hu, Y., Zhang, Q. et al. Multi-objective optimization of hybrid laser cleaning process parameters for carbon deposits based on bayesian-SVR and NSGA-II. Sci Rep 16, 8681 (2026). https://doi.org/10.1038/s41598-026-41748-0

الكلمات المفتاحية: تنظيف بالليزر, رواسب كربونية في المحرك, تحسين باستخدام تعلم الآلة, تصميم متعدد الأهداف, خشونة السطح