Российские и зарубежные ученые построили глубокую нейронную сеть, которая почти со 100%-й точностью прогнозирует прочность композитных материалов после обработки. Результаты опубликованы в журнале Materials.
Композиты с металлической матрицей — современная альтернатива стали. Это своего рода «молекулярно-армированный материал», который состоит из металлической матрицы-арматуры и наполнителя. Такие композиты можно усилить дополнительно, например с помощью монобромида или карбида титана. Но даже такие материалы не застрахованы от разрушения, поэтому их дополнительно обрабатывают дробеструем: мощной струей газа с с мелкими частицами. Чтобы подобрать оптимальные параметры дробеструйной обработки, нужна обширная экспериментальная база. Но проводить такие эксперименты дорого и долго, а существующие симуляторы не дают правдоподобного результата. Российские ученые с коллегами из Италии, Канады и Турции обучили для этого глубокую нейронную сеть.
«Большая часть разрушений в металлических материалах начинается с поверхности. Это происходит в том числе и в критически важных деталях на промышленных производствах. Поэтому дробеструйная обработка может сыграть решающую роль и улучшить механические свойства поверхности — твердость, устойчивость к коррозии и износу. Понятно, что проводить испытания в этой области трудоемко и дорого. Программы для моделирования содержат много ошибок, что может приводить к катастрофическим повреждениям», — рассказал Реза Каши Заде Казем, профессор департамента транспорта РУДН.
Чтобы обучить нейросеть, исследователи использовали экспериментальные данные дробеструйной обработки титановых композитов с разным содержанием усилителей. За входные данные ученые приняли содержание усилителей — монобромила и карбида титана — и интенсивность обработки. На выходе нейросеть дала описание твердости и остаточных напряжений по всей глубине материала.
Точность построенной нейросети оказалось почти идеальной. Твердость материала прогнозируется с точностью 99,4%, а остаточное напряжение — 98,8%. Предыдущие результаты, полученные на неглубокой нейронной сети, были примерно на 1% хуже. Нейросеть помогает понять, как на результат повлияет интенсивность обработки. Например, самое выраженное остаточное напряжение появляется на глубине до 15 микрометров от поверхности при интенсивности 0,25–0,30 по специальной шкале Альмена.
«Прогнозы глубокой нейронной сети оказались на 0,98% точнее, чем у обычной. Поэтому глубокие нейронные сети можно считать мощным инструментом для анализа твердости и остаточного напряжения после дробеструйной обработки», — прокомментировал Реза Каши Заде Казем.
Материал опубликован в рамках совместного проекта с Национальным центром развития искусственного интеллекта. Подробнее о развитии ИИ в России — на сайте ai.gov.ru.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
