• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Upptäcka material för gasturbinmotorer genom effektiva prediktiva ramverk

    Nuvarande turbinbladsmaterial har redan nått sin driftsgräns. För att bekämpa detta problem utvecklade ett team ett ramverk som kan förutsäga oxidationen av högentropilegeringar som erbjuder potential att användas i gasturbiner. Kredit:Texas A&M Engineering

    Gasturbiner används i stor utsträckning för kraftgenerering och framdrivning av flygplan. Enligt termodynamikens lagar, ju högre temperatur en motor har, desto högre verkningsgrad. På grund av dessa lagar finns det ett växande intresse för att öka turbinernas driftstemperatur.

    Ett team av forskare från Institutionen för materialvetenskap och teknik vid Texas A&M University har tillsammans med forskare från Ames National Laboratory utvecklat ett ramverk för artificiell intelligens som kan förutsäga högentropilegeringar (HEA) som kan motstå extremt höga temperaturer och oxiderande miljöer . Denna metod kan avsevärt minska tiden och kostnaderna för att hitta legeringar genom att minska antalet experimentella analyser som krävs.

    Denna forskning publicerades nyligen i Material Horizons .

    Under långvariga högtemperaturförhållanden kan turbinbladen resultera i katastrofala fel från smältning eller oxidering. Tyvärr har nuvarande turbinbladsmaterial redan nått sin driftsgräns.

    Tekniska framsteg som beläggningar och kylkanaler har försenat behovet av att byta material som används för turbiner. Flygresor förväntas dock fördubblas i volym under det kommande decenniet, och gasturbiner blir en allt mer dominerande teknik för kraftgenerering. Därför kräver turbiner högre effektivitet för att minska bränsleförbrukningen och begränsa koldioxidutsläppen.

    "Gasturbiner fungerar genom att omvandla kemisk energi till mekanisk rörelse men begränsas av deras temperaturtröskel", säger Dr. Raymundo Arroyave, professor vid institutionen för materialvetenskap och teknik. "Nästa steg i att revolutionera turbinteknologin är att ändra materialet som används för att tillverka komponenter, såsom bladen, så att de kan arbeta vid högre temperaturer utan att oxidera katastrofalt."

    När man tittar på olika typer av legeringar för turbiner finns det stor uppmärksamhet kring HEA. HEA är koncentrerade legeringar som inte har ett klart majoritetselement. En unik egenskap hos HEA är att dessa legeringar blir mer stabila vid högre temperaturer, vilket ger möjlighet att använda i extrema miljöer.

    Trots sin förmåga att motstå höga temperaturer är HEAs mottagliga för att rosta (oxidera). HEAs kan ha många sammansättningar, vilket exponentiellt expanderar de typer av oxider som kan bildas. Att hitta en sammansättning som kan motstå oxidation skulle kräva omfattande experimenterande till mycket höga kostnader.

    För att kringgå nackdelarna och kostnaderna för HEA-upptäckten utvecklade forskarna ett ramverk för artificiell intelligens som kan förutsäga oxidationsbeteendet hos HEA. Detta ramverk, som kombinerar beräkningstermodynamik, maskininlärning och kvantmekanik, kan kvantitativt förutsäga oxidationen av HEAs av godtyckliga kemiska sammansättningar. Den tid som krävs för att beräkningsscreena legeringarna minskar drastiskt, från år till bara minuter. Mycket snabb och effektiv screening resulterar i sin tur i ett minskat behov av resurskrävande experimentella försök.

    "När de söker i ett stort kompositionsutrymme måste experimentalister ta hundratals varianter av ett mycket komplext material, oxidera dem och sedan karakterisera deras prestanda, vilket kan ta veckor, månader eller till och med år", säger Daniel Sauceda, en doktorand i materialvetenskap och ingenjörsavdelning. "Vår forskning förkortade processen avsevärt genom att skapa en färdplan för oxidation av HEA, som visar forskarna vad du kan förvänta dig av olika sammansättningar."

    Med hjälp av ramverket förutspådde forskarna oxidationsbeteendet hos flera legeringskompositioner. De skickade sedan förutsägelserna till Ames National Laboratorys forskare Gaoyuan Ouyang och hans team för att testa sina resultat och verifiera att ramverket korrekt visar om en legering skulle motstå oxidation eller inte.

    "Förmågan hos ramverket att exakt lokalisera skadliga faser kommer att möjliggöra utformningen av förbättrade oxidationsbeständiga material", säger Ames National Laboratory-forskare Prashant Singh, som var med och ledde utvecklingen av ramverket. "Det tillvägagångssätt som presenteras i denna studie är generellt och tillämpligt för att förstå oxidationsbeteendet hos HEAs samt ge insikter i oxidations- och korrosionsbeständiga material för andra applikationer."

    Verktygen som utvecklats i den här studien skulle potentiellt kunna förändra processen genom vilken forskare upptäcker material för extrema miljöer genom att använda artificiell intelligens för att snabbt suga igenom astronomiska antal legeringar på mycket kort tid.

    "Det här verktyget kommer att hjälpa till att sålla bort legeringar som inte kommer att fungera för våra applikationsbehov samtidigt som vi kan spendera mer tid och skapa en mer detaljerad analys av legeringar som är värda att undersöka", säger Arroyave. "Även om våra förutsägelser inte är 100% korrekta, ger de fortfarande tillräcklig information för att fatta välgrundade beslut om vilka material som är värda att undersöka i en hastighet som skulle ha varit otänkbar innan detta ramverk utvecklades."

    De HEA som hittas genom detta ramverk har potentiella tillämpningar, såsom gasturbiner för framdrivning och kraftgenerering, värmeväxlare och många andra som kräver material för att tåla extrema driftsförhållanden.

    "Genom att möjliggöra upptäckten av material som kan motstå extrema miljöer, bidrar detta arbete direkt till Department of Energys mål att uppnå netto-noll koldioxidutsläpp till 2050," sade Singh. + Utforska vidare

    AI påskyndar utvecklingen av nya högentropilegeringar




    © Vetenskap https://sv.scienceaq.com