برنامه های آینده ناسا برای استفاده از دینامیک سیالات محاسباتی و هوش مصنوعی در مهندسی هوافضا

 همانطور که صنعت هوافضا به تکامل خود ادامه می دهد، پیشرفت تکنولوژیکی دینامیک سیالات محاسباتی و هوش مصنوعی به دلیل پتانسیل آنها برای تغییر  چشم انداز طراحی و اختراعات برجسته میشود. این فن‌آوری‌ها در کنار هم، انقلابی در مهندسی هوافضا، بهبود کارایی، کاهش هزینه‌ها و پیش بردن مرزهای نوآوری در پایان نامه دانشگاهی هوافضا وپروژه های  آکادمیک  و صنعتی ایجاد کرده اند. در این مقاله، تاثیر CFD و AI بر آینده مهندسی هوافضا و ایده های جدید برای تز های دانشگاهی در این رشته را بررسی خواهیم کرد.

آشنایی با تاریخچه دینامیک سیالات محاسباتی (CFD) در پروژه های دانشگاهی مهندسی هوافضا
درگذشته تحلیل آیرودینامیکی در دانشگاه و صنعت بر آزمایش تونل باد متکی بوده که اغلب پرهزینه و وقت گیر بود. معرفی دینامیک سیالات محاسباتی  امکان پیش‌بینی سریع‌تر و دقیق‌تر رفتار آیرودینامیکی را بدون آزمایش‌های فیزیکی گسترده  در پایان نامه های مهندسی هوافضا فراهم کرده است، بنابراین مدت زمان طراحی را کوتاه کرده و امکان افزایش تحقیقات دانشگاهی مرتبط با پیشرفت‌های هواپیمای جدید را فراهم نموده است. دینامیک سیالات محاسباتی ( Computational Fluid Dynamic)  شاخه ای از مکانیک سیالات است که از تحلیل عددی و الگوریتم ها برای حل و تجزیه و تحلیل مسائل مربوط به جریان سیالات استفاده می کند. امروزه نرم افزار های CFD  مثل انسیس فلوئنت و کامسول نقش محوری درانجام پروژه های مهندسی هوافضا ایفا می کنند و به محققان و دانشجویان این امکان را می دهند که در پایان نامه های خود جریان هوا را بر روی هواپیما، فضاپیما و سایر وسایل نقلیه هوافضایی شبیه سازی و تحلیل کنند. با استفاده از CFD، مهندسان هوافضا می‌توانند عملکرد آئرودینامیکی و پیشرانشی را پیش‌بینی کنند، طراحی‌ها را بهینه کنند و ایمنی پرواز را افزایش دهند، با این برتری که این فناوری  نیاز به آزمایش‌های فیزیکی پرهزینه و زمان‌بر را در تز های دانشگاهی به حداقل می‌رساند.

کاربردهای فعلی CFD  در صنعت هوافضا
CFD در حال حاضر جزء لاینفک فرآیند طراحی هواپیما و فضاپیما در انجام پروژه های مهندسی هوافضا است. دینامیک سیالات محاسباتی مهندسان را قادر می سازد تا جریان هوا را در اطراف مدل ها ی شبیه سازی کنند، استراتژی های طراحی را بهینه کنند. علاوه بر این، CFD به طور گسترده در طراحی سیستم‌های پیشرانش و نیرومحرکه استفاده می‌شود و چگونگی اثر تغییرات در اشکال ایرفویل یا تنظیمات ورودی  را بر عملکرد کلی تجزیه و تحلیل می‌کند. سازمان ناسا مدتهاست که در خط مقدم فناوری اکتشافات هوافضایی قرار دارد. کاربرد دینامیک سیالات محاسباتی در صنعت هوافضای سازمان ناسا درحال حاضر شامل موارد زیر میباشد:

•    تحقیقات هوانوردی: در هوانوردی،از CFD برای بهبود طراحی هواپیما برای افزایش راندمان سوخت و کاهش نویز استفاده می شود. پروژه‌هایی مانند نمایشگر پرواز کم بوم (LBFD) از شبیه‌سازی‌های CFD برای تجزیه و تحلیل فعل و انفعالات امواج ضربه‌ای استفاده می‌کنند و هدف آن ساخت هواپیمای مافوق صوت است که آلودگی صوتی را به حداقل برساند.
•    طراحی فضاپیما: برای فضاپیما، CFD برای تجزیه و تحلیل دینامیک ورود مجدد و سیستم های حفاظت حرارتی ضروری است. نتایج شبیه‌سازی‌های عددی الگویی در مورد نحوه رفتار فضاپیماها در هنگام ورود مجدد به اتمسفر ارائه می‌دهند و به اطمینان از یکپارچگی آنها و ایمنی فضانوردان کمک می‌کنند.
•    ماموریت های علوم زمین: ناسا از CFD برای مأموریت های علمی زمین، مدل سازی الگوهای آب و هوا و مطالعه اثرات تغییرات آب و هوا استفاده می کند. درک دینامیک سیالات در جو به پیش بینی آب و هوا و مدل های آب و هوایی دقیق تر کمک می کند.

تحولات آینده  CFD در ناسا
با حرکت رو به جلو، استراتژی استفاده از CFD در سازمان ناسا چندین پیشرفت کلیدی را در بر می گیرد که نوید تحولی در تحقیقات و طراحی پروژه ها و پایان نامه های مهندسی هوافضا را می دهد.
•    توان محاسباتی پیشرفته: با پیشرفت تکنولوژی، توان محاسباتی به طور تصاعدی افزایش یافته است. ناسا قصد دارد از ابررایانه‌های پیشرفته و امکانات محاسباتی با کارایی بالا بهره‌برداری کند تا شبیه‌سازی‌های پیچیده‌تری  با نرم افزار انسیس فلوئنت را که قبلاً دست نیافتنی بودند، در انجام پروژه های مهندسی هوافضا امکان‌پذیر کند. این به تحلیلگران این امکان را می‌دهد تا مدل‌های واقعی‌تری ایجاد کنند و جزئیات دقیق‌تری از رفتار سیال را در خود بگنجانند.

•    یکپارچه سازی یادگیری ماشین: ادغام هوش مصنوعی و یادگیری ماشین در CFD در افق پیشرفت صنعت هوافضا میباشد. با به کارگیری این فناوری ها، ناسا امیدوار است سرعت و دقت شبیه سازی را افزایش دهد. الگوریتم های یادگیری ماشینی می توانند رفتارهای سیال را بر اساس مجموعه داده های بزرگ پیش بینی کنند و به طور بالقوه زمان لازم برای تکمیل شبیه سازی های پیچیده را کاهش دهند.

•    همکاری منبع باز: ناسا به طور فزاینده ای ارزش همکاری در جامعه تحقیقاتی جهانی را تشخیص می دهد. آنها با ساختن برخی ابزارها و منابع CFD به صورت منبع باز، محققان مهندسی هوافضا را در سراسر جهان تشویق می کنند تا در پیشرفت در این زمینه مشارکت کنند و از آنها بهره مند شوند. این رویکرد مشارکتی نوآوری در انجام پایان نامه های دانشگاهی را تقویت می کند و سرعت تحقیقات آکادمیک را تسریع می کند.

•    شبیه سازی چند فیزیک: برنامه های آینده CFD در ناسا ممکن است شامل شبیه سازی های چند فیزیک باشد که نه تنها دینامیک سیالات بلکه سایر عوامل محیطی مانند انتقال حرارت، یکپارچگی ساختاری و حتی واکنش های شیمیایی را نیز در نظر می گیرد. این رویکرد کل نگر داده های جامع تری را برای طراحی سیستم های هوافضایی پیشرفته ارائه می دهد.

ظهور هوش مصنوعی در انجام پروژه های مهندسی هوافضا
از سوی دیگر، هوش مصنوعی طیفی از فناوری‌ها را در بر می‌گیرد که ماشین‌ها را قادر می‌سازد تا فرآیندهای هوش انسانی از جمله یادگیری، استدلال و اصلاح خود را شبیه‌سازی کنند. در مهندسی هوافضا، از قابلیت‌های هوش مصنوعی برای حل مشکلات پیچیده و تصمیم‌گیری بر اساس مجموعه داده‌های گسترده میتوان استفاده کرد.

•    یادگیری ماشین و تجزیه و تحلیل پیش بینی کننده: الگوریتم های یادگیری ماشینی می توانند داده های تاریخی پرواز، سوابق تعمیر و نگهداری و عوامل محیطی را برای پیش بینی نتایج عملکرد و نیازهای تعمیر و نگهداری تجزیه و تحلیل کنند. این قابلیت پیش بینی، منجر به عملکرد قابل اطمینان تر و کاهش هزینه های عملیاتی می شود و ایمنی و کارایی را در سراسر صنعت هوافضا افزایش می دهد.

•    بهینه سازی طراحی و نوآوری: هوش مصنوعی همچنین می‌تواند با تجزیه و تحلیل سریع پیکربندی‌های طراحی چندگانه در مرحله طراحی کمک کند. از طریق یادگیری تقویتی و الگوریتم‌های ژنتیک، هوش مصنوعی می‌تواند طرح‌های بهینه‌سازی‌شده‌ای را کشف کند که ممکن است یک مهندس انسانی در نظر نگیرد و منجر به نوآوری‌هایی شود که بهره‌وری سوخت را بهبود می‌بخشد، نویز را کاهش می‌دهد و عملکرد آیرودینامیکی را افزایش می‌دهد.

•    اثرات هم افزایی CFD و AI: همگرایی CFD و AI پیامدهای امیدوارکننده ای برای بخش هوافضا  در پروژه های دانشگاهی آینده دارد.  توانایی هوش مصنوعی برای پردازش و تجزیه و تحلیل داده‌ها با سرعت‌های بی‌سابقه، با شبیه‌سازی‌های دقیق ارائه‌شده توسط CFD ترکیب می‌شود و در نتیجه مهندسان می‌توانند تحلیل هایی به دست آورند که قبلاً دست نیافتنی بود.

•    دقت شبیه سازی پیشرفته: هوش مصنوعی می‌تواند با تنظیم هوشمند پارامترها و بهبود شرایط اولیه بر اساس داده‌های گذشته،سبب بهبود دقت و کاهش هزینه‌های محاسباتی شبیه‌سازی‌های CFD شود. این حلقه بازخورد تکراری امکان تنظیمات و اصلاحات در زمان واقعی را در طول طراحی فراهم می‌کند که منجر به جریان‌های کاری سریع‌تر و کارآمدتر می‌شود.

•    فرآیندهای طراحی مستقل: آینده نوید تغییر به سمت ابزارهای طراحی مستقل را می دهد، جایی که هوش مصنوعی با ابزارهای CFD رابط می کند تا به طور خودکار هزاران پیکربندی طراحی را در کسری از زمان تولید و آزمایش کند و راه حل های بهینه ای را بیابد که می توانند بلافاصله از طریق شبیه سازی در دانشگاه ها اعتبار سنجی شوند. این به طور چشمگیری زمان ورود به بازار برای نوآوری های جدید پایان نامه های مهندسی هوافضا در دانشگاه ها را کاهش می دهد.

•    چالش ها و جهت گیری های آینده: در حالی که ادغام CFD و AI در مهندسی هوافضا پتانسیل بسیار زیادی دارد، چالش ها باید مورد توجه قرار گیرند. مسائلی مانند کیفیت داده ها، نیاز به اعتبارسنجی قوی پیش بینی های هوش مصنوعی، و منابع محاسباتی مورد نیاز برای انجام چنین پروژه های شبیه سازی  پیچیده باید حل شود.

•    پرداختن به محدودیت های داده: برای اینکه هوش مصنوعی بتواند پیش‌بینی‌های دقیق را ارائه دهد، به مجموعه داده‌های متنوع و با کیفیت بالا نیاز دارد. تلاش برای استانداردسازی جمع‌آوری و اشتراک داده‌ها در سراسر صنعت برای به حداکثر رساندن اثربخشی برنامه‌های یادگیری ماشین حیاتی خواهد بود.

•    نگرانی های نظارتی و ایمنی: از آنجایی که سیستم‌های هوش مصنوعی در فرآیندهای تصمیم‌گیری پیاده‌سازی می‌شوند، صنعت باید نگرانی‌های نظارتی و ایمنی را دنبال کند. حصول اطمینان از اینکه تصمیمات هوش مصنوعی قابل درک، ممیزی و اعتبارسنجی است برای حفظ ایمنی و اعتماد عمومی به فناوری های مهندسی هوافضا بسیار مهم است.

نتیجه گیری
تعهد ناسا به پیشبرد دینامیک سیالات محاسباتی قرار است آینده مهندسی هوافضا را شکل دهد. ناسا با استفاده از توانمندی‌های محاسباتی پیشرفته، یادگیری ماشینی و تلاش‌های مشترک، می‌تواند نوآوری‌های پیشگام در هوانوردی و اکتشاف فضا را رهبری کند. آینده مهندسی هوافضا به طور غیرقابل انکاری با پیشرفت های دینامیک سیالات محاسباتی و هوش مصنوعی گره خورده است. آنها با هم در حال تغییر و پیشرفت نحوه طراحی، آزمایش و اعتبارسنجی پروژه های دانشگاهی و صنعتی هستند که منجر به راه حل های هوافضایی کارآمدتر، ایمن تر و نوآورانه می شود. همانطور که این پیشرفت ها آشکار می شوند، می توانیم عصر جدیدی از کارایی، ایمنی و پایداری در فناوری مهندسی هوافضا را پیش بینی کنیم.