Това вече е "ракетна наука": как изкуственият интелект променя ракетостроенето

27.01.2026   |   Начало»Технологии

Редактор
Пепа Петрунова

Редактор
Пепа Петрунова

Вероятно сте чували фразата "It's not rocket science" (в превод "Това не е ракетна наука") – ако не в разговорната английска реч, то поне като реплика в киното. Холивуд я превърна в универсално обяснение за всичко, което "не е чак толкова сложно" и не може да се сравнява с иначе комплексната наука за проектиране и конструиране на ракети.

Мнозина смятат, че произходът на фразата всъщност е свързан с Космическата надпревара между САЩ и СССР по време на Студената война. А в наши дни Европа целенасочено се връща към буквалното значение на израза, добавяйки изцяло нов контекст. Ракетната наука вече не е комбинация само от класически дизайн, сложни изчисления и опита на ракетните инженери. В европейската (а и в световната) космическа индустрия все по-смело навлиза изкуственият интелект – за да оптимизира процесите, да повиши прецизността и, разбира се, да намали сложността.

Три проекта на ESA очертават посоката на бъдещото космическо производство

Европейската космическа агенция (ESA) наскоро представи три ключови проекта в това направление, които активно подкрепя. От Агенцията ги посочват като категорични примери за ползите от внедряването на AI в ракетното инженерство, и по-специално – в производството на компоненти за космически апарати.

Заедно с германското подразделение на международната авиокосмическа компания MT Aerospace ESA търси нови начини да внедри технологията в различни специфични процеси и методи за обработка на материали в ракетостроенето. Примери са т. нар. дробоструйно формоване (shot peening forming), заваряването чрез триене с разбъркване (friction stir welding) и полагането на въглеродни влакна (carbon fibre placement).

"Изкуственият интелект обещава редица ползи във всички сектори и ракетната индустрия не е изключение. С програмата за подготовка на ракети носители от следващо поколение "Future Launchers Preparatory Programme" (FLPP) ESA проучва как с помощта на AI могат да бъдат подобрени съществуващи процеси или дори да бъдат разработени изцяло нови форми и материали, които да се използват в ракетите и космическите апарати на бъдещето", коментират от Агенцията.

Машинно самообучение във формоването на метал

Първият проект е с фокус върху дробоструйното формоване, при което формата на дадена метална заготовка се променя чрез обстрелване с малки топчета. Тъй като промяната се извършва без нагряване, полученият детайл запазва здравината си и е по-устойчив на умора. Това е често използван процес в космическия сектор – чрез него MT Aerospace оформя например куполите на горивните резервоари на ракетата Ariane 6, чийто главен индустриален изпълнител е ArianeGroup.

Макар и популярен, методът е свързан с едно съществено предизвикателство – ударите на топчетата в метала с висока скорост са практически непредсказуеми. Ето защо екипът на проекта залага на машинно самообучение, за да прогнозира по-добре как точно ще се деформира металната повърхност. В резултат се постига по-бърз и прецизен способ за постигане на желаната геометрия, а допуските при размерите са под 2 mm, разкриват от ESA.

Дигитализация на заваряването

След като един метален детайл бъде формован, той обикновено се съединява с други компоненти по пътя към крайната конструкция на ракетата. В космическото производство методът за заваряване чрез триене с разбъркване все по-широко замества конвенционалните електродългови заваръчни операции, извършвани от хора или роботи, подчертават от Агенцията.

При него металите се нагряват чрез сравнително опростен концептуално (макар и технологично сложен) процес – въртене на инструмент в контактната зона на материалите с висока скорост. По този начин чрез триене двата материала буквално се сливат или "разбъркват", откъдето идва и наименованието на тази прецизна техника. Отчетливо предимство в резултат от прилагането й е постигането на по-здрави структури, каквито са необходими при изработката на горивните резервоари на ракетата Ariane 6.

С нова технология за дигитален мониторинг на процеса, базирана на изкуствен интелект, стриктно се проследяват големината на силата, използвана за съединяване на материалите, температурата в работната зона и ключовите параметри на производственото оборудване. Машинното самообучение позволява по-бърза настройка на системата, автоматизира документирането и автоматично инспектира качеството на заварката и формата на крайното изделие. Автоматизираната оценка на заваръчните шевове съкращава традиционния етап на анализ с цели 95%, изтъкват от ESA.

Автоматизирано полагане на въглеродни влакна

В ракетостроенето, естествено, не се използват само метали. Сред ключовите производствени материали е подсилената с въглеродни влакна пластмаса, която е лека и здрава. В рамките на проекта Phoebus, реализиран съвместно от MT Aerospace и ArianeGroup, се проучва използването именно на такава пластмаса за производството на резервоари за ракетите Ariane.

MT Aerospace интегрира в процеса нова лазерна технология, оптимизирана чрез усъвършенствани сензори и модели с машинно самообучение, които идентифицират и класифицират дефекти в реално време. По този начин става възможно не само производство в непрекъснат режим, но и значително съкращаване на производствените цикли.

"Изкуственият интелект и машинното самообучение позволяват ефективно комбиниране с различни дигитални технологии и тотално трансформират производството на ракети носители – от автоматизирането на комплексни задачи в сферата на анализа до минимизирането на престоите на оборудването. Вече виждаме ползи практически при всички ключови процеси и материали", обобщава Даниел Чипинг, ръководител на проектите на ESA с фокус върху софтуерно-ориентираните дейности и дигитализацията, част от програмата за подготовка на бъдещи ракети носители в космическия транспорт (FLPP).

Ключови думи: Европейска космическа агенция   ESA   MT Aerospace   ArianeGroup   ракети носители   ракетостроене   космическа индустрия   изкуствен интелект   AI   машинно самообучение   формоване на метали   заваряване  

Област: Автоматизация