Mesin pembakaran, seperti yang ada di pesawat terbang, tetap berisiko mengalami kerusakan fatal oleh fenomena yang disebut “osilasi pembakaran”, di mana fluktuasi tekanan di dalam mesin menjadi besar.
Sekarang, para peneliti dari Jepang telah mengembangkan alat baru untuk mendeteksi prekursor osilasi pembakaran menggunakan pembelajaran mesin dan pendekatan berbasis sistem dinamis, membuka pintu untuk prediksi dan pencegahan terkait kerusakan fatal pada mesin.
Kredit gambar: V1213 melalui Wikimedia (CC BY-SA 3.0)
Mesin pembakaran telah ada sejak akhir 18th abad, meskipun mereka tidak mendapatkan popularitas sampai lebih dari 50 tahun kemudian. Sekarang, mereka praktis ada di mana-mana, menggerakkan apa pun mulai dari mobil dan pesawat terbang hingga turbin.
Bagian dari mesin pembakaran di mana bahan bakar dibakar (dengan adanya oksigen) disebut ruang bakar. Umur sebuah ruang bakar dapat dibatasi oleh fenomena yang disebut “osilasi pembakaran termoakustik.” Ketika osilasi termoakustik menjadi terlalu besar atau di luar kendali, hal itu menyebabkan kerusakan fatal pada ruang bakar, yang dapat memiliki konsekuensi finansial dan manusia yang sangat besar.
Mendeteksi osilasi pembakaran dan mencegah kerusakan adalah upaya utama di bidang teknik termal. Baru-baru ini, tim ilmuwan dari Jepang—termasuk Hiroshi Gotoda, Yuhei Shinichi, dan Naohiro Takeda dari Universitas Sains Tokyo, serta Seiji Yoshida dan Takeshi Shoji dari Japan Aerospace Exploration Agency (JAXA)—telah mengembangkan alat yang menjanjikan untuk deteksi prekursor osilasi termoakustik. Pembelajaran dibuat tersedia online pada 10 Mei 2021 dan diterbitkan dalam volume 59 dari American Institute of Aeronautics and Astronautics Journal pada 1 Oktober 2021.
“Dalam penelitian kami, kami telah menunjukkan bahwa metodologi yang menggabungkan teori sistem dinamis dan pembelajaran mesin dapat berguna untuk mendeteksi osilasi pembakaran prediktif di ruang bakar multisektor, seperti yang ada di mesin pesawat,” kata Prof Gotoda yang memimpin penelitian.
Tim melakukan eksperimen pembakaran dengan laju aliran bahan bakar yang bervariasi dalam ruang bakar multisektor bertahap yang dikembangkan oleh JAXA.
Para ilmuwan menggunakan data dari eksperimen ini untuk melatih algoritma pembelajaran mesin yang disebut ‘support vector machine (SVM).’ SVM memungkinkan mereka untuk mengklasifikasikan pembakaran menjadi tiga keadaan-stabil, transisi, dan osilasi pembakaran. Fluktuasi tekanan dalam keadaan transisi adalah kunci untuk memprediksi osilasi pembakaran di masa depan. Dalam keadaan transisi, fluktuasi tekanan bertransisi dari amplitudo kecil dan aperiodik menjadi amplitudo besar dan periodik. Amplitudo mewakili ‘besarnya’ fluktuasi, sedangkan periodisitas menggambarkan pengulangan fluktuasi.
“Temuan penelitian ini akan memberikan kontribusi yang besar untuk mengembangkan metode untuk mendeteksi osilasi pembakaran terlebih dahulu di mesin pesawat,” ungkap Prof Gotoda.
Temuan ini dapat memiliki konsekuensi yang luas, membuka jalan bagi prediksi osilasi pembakaran yang percaya diri dan tepat waktu, dengan potensi untuk menyelamatkan miliaran dolar dan nyawa manusia.
Sumber: Universitas Sains Tokyo
