Исследователи из Пермского Политехнического университета представили инновационную программу, предназначенную для прогнозирования характеристик сплавов. Титановые сплавы находят широкое применение в космической, медицинской и автомобильной промышленности благодаря своей прочности, легкости и устойчивости к коррозии. Однако недостаток экспериментальных данных затрудняет прогнозирование их характеристик, что негативно сказывается на производительности. Разработанная учеными Пермского Политеха программа для нейронных сетей позволяет с высокой точностью определять шероховатость поверхности сплавов, что играет важную роль в износостойкости и устойчивости к коррозии.
Программа имеет официальное свидетельство № 2024668654 и была создана в рамках программы "Приоритет-2030", направленной на стратегическое академическое лидерство.
Технологии машинного обучения активно внедряются в различные производственные процессы за последние годы. Они требуют значительных объемов данных для обучения моделей, однако в реальных промышленных условиях сбор таких данных может быть затруднительным и дорогостоящим. Это особенно актуально для сложных и высокоточных процессов, таких как обработка титановых сплавов.
Например, в производстве двигателей титановые сплавы используются для создания деталей, таких как корпуса, воздухосборники, лопатки и диски компрессора. Чтобы обеспечить необходимое качество их поверхности, необходимо оптимизировать режимы резания, что требует предсказания показателей шероховатости. Этим занимаются нейросети, а расширение обучающей выборки и сокращение затрат на эксперименты обеспечивается с помощью аугментации данных.
Исследователи из Пермского Политехнического университета применили регрессионную модель аугментации для создания программы, которая решает проблему недостатка данных. С помощью ограниченного объема информации они сгенерировали 2000 дополнительных примеров, которые использовались для обучения нейросетей. Это позволило предсказывать шероховатость поверхности сплава ВТ6, так востребованного в авиационной и космической индустриях.
Результаты исследований показали, что нейронные сети, обученные на аугментированных данных, продемонстрировали высокую точность прогнозирования. Погрешность составила всего 3,97% от реальных данных, что свидетельствует об эффективности метода в условиях недостатка исходных данных.
Разработанная программа не только помогает определить оптимальные режимы резания титанового сплава ВТ6 для получения нужной шероховатости, но и подходит для обработки других материалов, таких как сталь. Применение данной программы позволяет увеличивать объем данных, корректно обучать нейронные сети и достигать точных прогнозов характеристик сплавов. Этот подход может быть адаптирован для разнообразных процессов обработки материалов в промышленности.
Будьте в курсе всех актуальных обновлений в производственной сфере! Получите бесплатный доступ к системе Техэксперт на 7 дней! Просто оставьте заявку на сайте!