Российские исследователи «научили» ультразвук «видеть» сквозь арктические торосы — масштабные ледяные хребты, которые несут угрозу судам и нефтеплатформам. Новый компьютерный метод позволит дистанционно определять внутреннюю структуру таких замерзших гряд — выявлять и классифицировать скрытые полости. Разработка повысит безопасность судоходства и строительства в Арктике. Он также будет пригоден для оценки экологических изменений и долгосрочного мониторинга состояния арктического льда, рассказали «Известиям» эксперты. При этом они отмечают: технология больше подходит для климатических исследований, чем для навигации или освоения океана.
Новый метод изучения ледяных хребтов
Исследователи из МФТИ разработали компьютерный метод, позволяющий «прощупывать» арктические ледяные торосы, то есть нагромождения обломков льда, ультразвуком. Численное моделирование показало, что по характеру отраженных акустических волн можно не только обнаружить внутри этих глыб скрытые полости, но и определить, чем они заполнены: воздухом или водой.
Арктика меняется быстрее, чем человечество успевает понять происходящие там процессы, рассказали «Известиям» ученые. За последние десятилетия площадь морского льда в регионе существенно сократилась, а вместе с этим изменился и характер ледовых образований — прежде всего торосов.
Справка «Известий»
Торос, или ледяной хребет, возникает там, где сталкиваются два ледовых поля: один лист льда наползает на другой, образуя неровные нагромождения, которые уходят как вверх, формируя надводный «парус», так и вниз, образуя подводный киль. Высота надводной части может достигать нескольких метров, а подводной — десятков. Именно такие структуры становятся главной угрозой для судов, подводных трубопроводов и морских платформ, которые осваивают арктические месторождения углеводородов.
Чтобы безопасно прокладывать маршруты и строить подводную инфраструктуру, инженерам необходимо знать не только форму тороса снаружи, но и что скрывается внутри. Лед — далеко не монолитный материал. Внутри него могут прятаться полости, заполненные воздухом или водой. Обнаружить такие скрытые структуры, глядя лишь на поверхность глыб, практически невозможно. Здесь на помощь может прийти ультразвук, рассказали ученые.
Источник посылает акустический импульс, волна распространяется через среду, отражается от границ раздела материалов с разными физическими свойствами и возвращается к приемникам. По характеру отраженного сигнала можно судить о внутренней структуре объекта. Ультразвуковая волна, попадая в ледяную среду, ведет себя совсем иначе, чем в воде: лед — это упругое тело, способное передавать не только продольные (компрессионные), но и поперечные (сдвиговые) волны. Для корректного описания такой системы требуются принципиально иные математические инструменты, чем те, что применяются в обычной акустике.
Ученые применили сеточно-характеристический метод. Его ключевое достоинство в том, что он основан на физических свойствах гиперболических уравнений, описывающих распространение волн в упругих телах. Метод «знает», как волны ведут себя на границах раздела сред, и точно воспроизводит эти переходы.
— Торос — сложная трехмерная структура с непредсказуемым внутренним устройством: полостями, слоями разной плотности, трещинами. Наш метод позволяет заглянуть внутрь, не разрушая объект и не выходя на лед с буровым оборудованием. Мы показали, что ультразвуковой сигнал несет в себе отпечаток этой структуры, и научились его читать с помощью численного моделирования, — рассказала ведущий научный сотрудник лаборатории прикладной вычислительной геофизики МФТИ Алена Фаворская.
По ее словам, следующий шаг — создание систем, которые будут автоматически строить цифровые двойники торосов по данным бортовых датчиков и предупреждать экипаж об опасных объектах на маршруте.
Где найдет применение «УЗИ» для торосов
Ученые показали, что их подход позволяет строить цифровые двойники торосов и генерировать обучающие выборки для нейронных сетей, решающих обратную задачу: восстановление внутренней структуры ледяной структуры по набору сейсмограмм. На таких данных можно обучить нейронную сеть распознавать структуру по сигналу, а затем применять ее к реальным полевым измерениям, отметили в МФТИ.
Ценность предложенного метода — в способности по волновому отклику различать характер заполнения полостей: газ, жидкость, твердое тело, рассказал профессор кафедры инженерной кибернетики НИТУ МИСИС Сергей Мишуров. Это открывает возможности его более широкого применения для задач неразрушающего контроля. Например, композитных материалов в авиации, в медицинской диагностике, для моделирования повреждений в костных структурах, в геотехнике — для оценки состояния мерзлых грунтов.
— При создании реальных систем мониторинга ледовой обстановки подобные методы могут сочетаться с методами дистанционного зондирования ледовых полей с выявлением потенциально опасных зон. Например, с помощью фрактального анализа, предложенного на кафедре инженерной кибернетики НИТУ МИСИС в 2023 году, — пояснил он в беседе с «Известиями».
Идея сама по себе физически обоснованная: акустика действительно позволяет «видеть» внутреннюю структуру льда и различать, чем заполнены полости, подчеркнул эксперт MariNet НТИ, ведущий специалист Российского университета транспорта Максим Баркасов.
— Но по своему содержанию это в первую очередь прикладная задача для оценки экологических изменений и долгосрочного мониторинга состояния арктического льда. С точки зрения практики она больше ложится в научные и климатические исследования, чем в задачи навигации, освоения океана или робототехники, — отметил эксперт.
В плане физической реализуемости предложения специалистов МФТИ представляют интерес, рассказал «Известиям» профессор кафедры электроакустики и ультразвуковой техники СПбГЭТУ «ЛЭТИ» Константин Аббакумов.
— Правда, для практической реализации предложения будет необходимо решить вопросы о способах возбуждения и приема ультразвука в ледяном поле. Кроме того, помимо арктических льдов, существуют льды в Антарктиде, обладающие совершенно другими геометрическими характеристиками, — отметил специалист.
Работа опубликована в журнале Mathematical Models and Computer Simulations и выполнена при поддержке Российского научного фонда.