science >> Wetenschap >  >> Astronomie

De toekomst van maanbewoning nastreven

Purdue-onderzoek en -testen nemen de droom om in de ruimte te leven voorbij ruimtestations en maken het potentieel van toekomstige maankolonies - en mogelijk Mars - werkelijkheid. Credit:Purdue University-foto / Mark Simon

Shirley Dyke ziet de maan niet als een bol met kraters. Ze verwacht dat er binnen tien jaar maanwoningen zullen verschijnen, helpen reiken naar verdere ruimtebewoning.

En ze wil dat haar onderzoek die kloof helpt te overbruggen.

Dijk, hoofd van het RETH-instituut (Resilient ExtraTerrestrial Habitats) van Purdue University, zegt dat haar onderzoek zich richt op het mogelijk maken van de toekomst.

"Ik ben niet iemand die het beste iets wil ontwerpen, " zei Dijk, hoogleraar werktuigbouwkunde en civiele techniek. "Ik streef ernaar om slimme mensen uit verschillende disciplines samen te brengen om doelen na te streven die anders niet mogelijk zouden zijn. In deze tijd, dit is de meest effectieve manier om de wetenschap vooruit te helpen.

Haar huidige werk richt zich op het begrijpen van welke kenmerken habitats veilig maken door middel van cyberfysische testen, die computermodellen combineert met fysieke testexemplaren.

Drie habitatkenmerken zijn van bijzonder belang:veerkracht, intelligentie en autonomie. Cyber ​​fysieke testen, gedaan bij Purdue's Herrick Labs, staat toe dat sommige componenten van potentiële maanhabitats fysiek worden getest, terwijl andere tegelijkertijd in een virtuele context worden onderzocht.

Het veerkrachtniveau van een habitat is de sleutel tot het werk, het creëren van slimme structuren die bestand zijn tegen een groot aantal gevaren. Meteoroïde inslagen, aardbevingen en problemen met maanstof (dat erg scherp en schurend is) zijn slechts enkele van de vele gevaren die verschillende effecten en gevaren kunnen veroorzaken die van invloed zijn op de prestaties van de ruimtehabitat, een risico voor de mens opleveren.

"We hoeven niet de hele habitat in het lab te bouwen, maar gebruik liever cyberfysieke tests om sommige van die factoren te virtualiseren, "Zei Dyke. "Resultaten zoals vermogensverlies, thermische problemen en drukverlies kunnen worden vastgelegd met computermodellen."

Maanhabitats zijn slechts een deel van het onderzoek van Shirley Dyke, hoogleraar werktuigbouwkunde en civiele techniek. Ze werkt aan het gebruik van machine learning om foto's van aardbevingsschade te classificeren voor elke onderzoekstoegang. Credit:Purdue University-foto / John Underwood

Voor het onderzoek, RETH zal in Herrick Labs zo realistisch mogelijk leefgebieden op kwartschaal bouwen.

Een enkele cyberfysieke test kan snel virtuele componenten veranderen om zich aan te passen voor locatie, variërend van een faciliteit op het oppervlak van de maan tot in lavabuizen. Computermodellen in combinatie met de fysieke habitatrepresentaties kunnen de groei van habitats verklaren, leeftijd en achteruitgang.

Dyke zei dat het uiteindelijke doel een leefgebied is dat geen constant menselijk toezicht nodig heeft.

"Eventueel, we willen slimme habitats ontwikkelen die kunnen inspelen op veranderingen, schade en alles wat mis kan gaan tijdens een missie en toch de integriteit en veiligheid van de wetenschap binnenin behouden, " ze zei.

"Door slimme mogelijkheden in het ontwerp op te nemen, we kunnen live sensoren hebben om te controleren of er een inbreuk plaatsvindt, de impact van die inbreuk te bepalen, hoe groot het is en beslissen wat eraan te doen, "Zei Dyke. "Robots zouden dan kunnen komen om de structuur te herstellen en te repareren."

RETH is een interdisciplinair samenwerkingsverband met 21 onderzoekers van Purdue en drie andere universiteiten en twee industriële partners om te bestuderen wat nodig is voor buitenaardse habitats.

"Door een nieuwe techniek na te streven, zoals cyberfysisch testen voor RETH, Ik hoop dat we die brug kunnen slaan tussen de disciplines die nodig is om nieuwe kennis te creëren, " ze zei.

Dyke overbrugt ook hiaten voor werk met betrekking tot habitats hier op aarde. De Automated Reconnaissance Image Organizer maakt gebruik van machine learning en classificeert en labelt automatisch afbeeldingen en gegevens die zijn verzameld op locaties met aardbevingsschade, zodat de gegevens beschikbaar kunnen zijn zodat andere onderzoekers er toegang toe hebben.