Optymalizacja wielokryterialna parametrów hybrydowego procesu czyszczenia laserowego osadów węglowych w oparciu o bayesowskie SVR i NSGA-II

Dlaczego czystsze silniki mają znaczenie

Każdy, kto jeździ samochodem od lat, zauważył, że z wiekiem silnik traci część swojej mocy. Jednym z ukrytych sprawców jest twarda, sadzowa warstwa węgla, która stopniowo pokrywa czuby tłoków, marnując paliwo i zwiększając emisje. W tym badaniu autorzy badają nową, laserową metodę usuwania takich osadów w sposób wydajny, a jednocześnie chroniący metalowe podłoże. Pokazują też, jak nowoczesne narzędzia danych mogą dostroić proces w symulacji komputerowej, ograniczając pracochłonne eksperymenty warsztatowe.

Problem uporczywej sadzy w silnikach

W działającym silniku spalanie paliwa nie przebiega idealnie czysto. Z czasem na koronie każdego tłoka gromadzą się cienkie warstwy węgla. Te osady zmieniają kształt komory spalania, obniżając sprawność, zwiększając zużycie paliwa i podnosząc emisję szkodliwych składników spalin. W skrajnych przypadkach mogą wywołać spalanie stukowe, a nawet uszkodzenie silnika. Tradycyjne metody czyszczenia opierają się na chemii, piaskowaniu lub ręcznym skrobaniu. Są one brudne, powolne, mogą zgrubiać lub uszkadzać powierzchnię metalu oraz stwarzać zagrożenia środowiskowe z powodu odpadów i rozpuszczalników.

Mądrzejszy sposób na przywrócenie blasku

Naukowcy skupili się na hybrydowym systemie czyszczenia laserowego, łączącym dwa typy promieniowania: ciągłe, które delikatnie podgrzewa i zmiękcza węgiel, oraz impulsowe, dostarczające krótkich, silnych impulsów do jego oderwania. Podejście przetestowano na używanych tłokach z silnika BMW o dużym przebiegu, których korony były pokryte osadami o grubości porównywalnej z włosem ludzkim. Sukces zdefiniowano dwiema prostymi miarami: gładkością powierzchni po czyszczeniu oraz ilością pozostałego węgla. Wyzwanie polega na tym, że zbyt agresywne ustawienia laserów mogą skutecznie usunąć węgiel, ale pozostawić chropowatą, uszkodzoną powierzchnię; zbyt łagodne chronią metal, lecz pozostawiają zbyt dużo osadów.

Pozwolić danym dostroić ustawienia

Zamiast ręcznego dobierania parametrów, zespół sięgnął po uczenie maszynowe — modele komputerowe uczące się wzorców z danych. W 81 starannie zaprojektowanych eksperymentach zanotowano cztery kluczowe „pokrętła” systemu: moc każdego lasera, prędkość zamiatania wiązki po powierzchni oraz częstotliwość wyzwalania wiązki impulsowej. Następnie wytrenowano kilka typów modeli do przewidywania gładkości powierzchni i pozostałości węgla na podstawie tych ustawień. Najlepiej wypadła regresja wektorów nośnych (SVR), zwłaszcza po dodatkowym etapie bayesowskiego strojenia jej parametrów. Dzięki ulepszonemu modelowi prognozy ilości pozostałego węgla stały się znacznie bliższe wartościom zmierzonym.

Wyważenie czystości i delikatnego traktowania

Mając wiarygodne predyktory, autorzy zastosowali ewolucyjną metodę poszukiwania, by odnaleźć najbardziej obiecujące ustawienia laserów. Zamiast pojedynczego „najlepszego” przepisu, poszukiwanie dało rodzinę rozwiązań kompromisowych między gładkością a czystością. Niektóre ustawienia dawały wyjątkowo gładkie korony tłoków, ale pozostawiały nieco więcej węgla; inne z kolei minimalizowały pozostałości kosztem nieco chropowatszego wykończenia. Wśród tej rodziny badacze wyróżnili trzy typowe wybory: opcję niskiej chropowatości, opcję niskich pozostałości oraz ustawienie zrównoważone. Testując przepis zrównoważony w kolejnych eksperymentach, osiągnęli końcową chropowatość i ilość pozostałego węgla mieszczące się w 10 procentach prognoz modelu — wystarczająco dokładne dla tolerancji warsztatowych.

Co to oznacza dla silników i nie tylko

Dla czytelnika ogólnego wniosek jest taki, że skierowanie laserów na zabrudzone części silnika to tylko połowa historii. Prawdziwy postęp polega na wykorzystaniu danych i algorytmów do sterowania tymi wiązkami w sposób świadomy. Badanie pokazuje, że nawet przy umiarkowanej liczbie eksperymentów komputery potrafią odkryć operacyjne „słodkie punkty”, które mogłyby umknąć ludzkim próbom i błędom, redukując odpady i chroniąc komponenty. Autorzy podkreślają, że ich wyniki odnoszą się do konkretnych warunków badań i że do szerszej uogólnialności potrzebne będą większe zbiory danych. Mimo to praca wskazuje na przyszłość, w której czyszczenie i regeneracja drogocennych części — od silników samochodowych po elementy lotnicze — mogą stać się czystsze, bezpieczniejsze i bardziej energooszczędne dzięki połączeniu zaawansowanych laserów z optymalizacją opartą na danych.

Cytowanie: 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

Słowa kluczowe: czyszczenie laserowe, osady węglowe w silnikach, optymalizacja z wykorzystaniem uczenia maszynowego, projektowanie wielokryterialne, chropowatość powierzchni