Методы машинного обучения для многопараметрического анализа и проектирования нелинейных винтовых конструкций с учётом столкновений внутренних витков

Почему автомобильные пружины важнее, чем кажется

Глубоко внутри высокопроизводительных автомобильных двигателей скрыты туго намотанные металлические пружины, которые открывают и закрывают клапаны тысячи раз в секунду. Эти винтовые пружины выполняют не только роль упругих элементов: они накапливают энергию и смягчают агрессивные колебания. Но при экстремальных скоростях те же пружины могут внезапно генерировать острые импульсы силы, повреждающие детали и сокращающие ресурс двигателя. В этом исследовании объясняется происхождение таких импульсов и показано, как современные компьютерные моделирования и методы машинного обучения помогают инженерам переразработать пружины так, чтобы они одновременно были долговечными и эффективными демпферами вибраций.

Пружины при экстремальных оборотах двигателя

Исследователи сосредоточились на «улейной» (beehive) пружине клапана, используемой в высокоскоростном спортивном двигателе. В отличие от простой цилиндрической пружины, эта изменяет диаметр по высоте и имеет участки с более плотным расположением витков. Команда установила пружину в реальном V8‑двигателе с приводом от электродвигателя и измеряла силы при вращении двигателя от 6500 до 16 000 об/мин. При низких скоростях пиковые силы оставались около 900 ньютонов и менялись плавно, как и ожидалось при обычной вибрации. Но примерно на 7800 об/мин и вновь при более высоких скоростях измеренные силы внезапно подпрыгивали до 1500–1800 ньютонов. Эти неожиданные пики указывали на иной, более «жёсткий» процесс внутри пружины.

Взгляд внутрь пружины с помощью виртуальных испытаний

Чтобы понять, что происходит между витками, команда построила детализированную компьютерную модель пружины, используя стандартный инженерный метод — конечные элементы. Они воссоздали точную геометрию и материал пружины, включили фрикционный контакт между соседними витками и задавали модель тем же движением распредвала, что и в двигателе. При моделировании на 7800 об/мин предсказанные силы очень хорошо совпали с измерениями в двигателе, включая острый скачок в определённый момент цикла кулачка. Отслеживая движение отдельных витков, они обнаружили, что два соседних витка в зоне узкого зазора кратковременно сталкивались и затем разъединялись в течение нескольких тысячных долей секунды. Это быстрое столкновение порождало сильную упругую волну в пружине, что и проявлялось наблюдаемым импульсом силы.

Чем полезны и чем вредны столкновения витков

Выяснилось, что такие столкновения — палка о двух концах. С одной стороны, при ударах витки рассеивают часть вибрационной энергии и могут снижать продолжающиеся колебания — полезно для стабилизации движения клапана. С другой стороны, эти же удары создают короткие, но очень большие силы, которые ускоряют усталостное разрушение и приводят к преждевременному выходу из строя. Ключевая задача проектирования — не полностью исключить контакт, а настроить геометрию пружины так, чтобы столкновения были достаточно мягкими, чтобы избежать разрушительных пиков, и при этом продолжали обеспечивать демпфирование. Поскольку форма пружины задаётся множеством взаимосвязанных размеров — например, диаметром витков и вертикальной «высотой» в нескольких точках — проверять все возможные комбинации непосредственно в двигателе или в полном моделировании было бы слишком трудозатратно.

Давать алгоритмам возможность найти лучшие формы

Для решения этой многопараметрической задачи исследователи применили машинное обучение. Они варьировали четыре ключевых геометрических параметра пары плотно расположенных витков, создали 60 различных виртуальных конструкций пружины и смоделировали каждую на критической скорости двигателя. Для каждой конструкции фиксировали максимальную динамическую силу. Эти данные затем подавались в два типа алгоритмов: глубокую нейронную сеть, выступающую мощной «чёрной коробкой» для распознавания закономерностей, и модель генетического программирования, дающую явные математические формулы. Нейросеть показала более высокую точность предсказаний, точно воспроизводя пиковые силы моделирования даже для ранее невиданных конструкций. С помощью натренированной модели команда могла мгновенно просканировать тысячи виртуальных вариантов и построить карту того, как изменения диаметра и высоты витков влияют на возникающие импульсы силы.

Поиск более безопасных и плавных конструкций пружин

Просматривая это изученное пространство дизайна, авторы выделили области, где пиковые силы оставались ниже порогов, связанных с повреждениями, но при этом столкновения — а значит и полезное демпфирование — всё ещё имели место. Проще говоря, они показали, как аккуратная настройка размеров и положения всего нескольких витков может превратить «жёсткую», склонную к пикам пружину в такую, которая мягче контролирует вибрации двигателя. Их подход сочетает реалистичные высокоскоростные симуляции с моделями, построенными на данных, чтобы направлять выбор конструкции без бесконечных физических испытаний. Хотя работа посвящена конкретной пружине клапана, та же стратегия применима ко множеству винтовых устройств — от железнодорожных подвесок до носимых экзоскелетов — и помогает инженерам проектировать компоненты, которые одновременно прочны и тихи в экстремальных условиях.

Цитирование: 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

Ключевые слова: пружины клапанов, гашение вибраций, столкновения витков, проектирование с помощью машинного обучения, двигатели высокой частоты