МОДЕЛИРОВАНИЕ ИЗМЕНЕНИЯ ПРЕДЕЛА ДЛИТЕЛЬНОЙ ПРОЧНОСТИ СПЛАВОВ НА ОСНОВЕ НИКЕЛЯ С ИСПОЛЬЗОВАНИЕМ БАЙЕСОВСКИХ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ

Результат исследований: Вклад в журналСтатья

Аннотация

Ресурсное проектирование газотурбинных двигателей и установок требует расширенных сведений о жаропрочности никелевых сплавов, из которых изготавливаются наиболее ответственные детали авиационных и судовых двигателей, насосов газонефтеперекачивающих станций и энергетических установок. Проблемы заключаются в том, что данных о жаропрочности, полученных в результате испытаний каждого исследуемого сплава, достаточно мало. Задачи, решаемые в настоящей работе, следующие: смоделировать изменения жаропрочности никелевых сплавов на основе имеющихся экспериментальных данных. Для решения поставленных задач применен наиболее современный подход - метод нейросетевого моделирования. Входными данными являются химические составы жаропрочных никелевых сплавов и значения их жаропрочности, полученные экспериментально. Выходными данными стали расчётные значения жаропрочности, смоделированные искусственной нейронной сетью. В ходе работы проведены преобразования входных данных для снижения среднеквадратичного отклонения моделирования выходных данных. Выбор конфигурации нейронной сети производился с целью достижения максимально возможной точности. В итоге использована нейронная сеть прямого распространения ошибки, с 27 нейронами на входном слое, 13 нейронами в скрытом слое и 1 нейроном на выходном слое. Для валидации результатов предсказаний еще до ввода данных в сеть случайным образом была отобрана группа сплавов с максимальным количеством известных экспериментальных значений жаропрочности. После подготовки данных, выбора конфигурации и обучения сети были загружены химические составы выделенной группы и рассчитаны значения их жаропрочности. Сравнение полученных данных с экспериментальными показали высокую эффективность метода. В результате получены данные об изменении жаропрочности для исследованных сплавов, а также сформулировано аналитическое выражение, описывающее полученные зависимости.
Переведенное названиеModeling of changes in heat resistance of nickel-based alloys using bayesian artificial neural networks
Язык оригиналаРусский
Страницы (с-по)106-111
Число страниц6
ЖурналLetters on Materials
Том10
Номер выпуска1
DOI
СостояниеОпубликовано - фев 2020

Предметные области ASJC Scopus

  • Materials Science(all)

Предметные области WoS

  • Материаловедение, Междисциплинарные труды

ГРНТИ

  • 53.49.00 Металловедение

Уровень публикации

  • Перечень ВАК

Fingerprint Подробные сведения о темах исследования «МОДЕЛИРОВАНИЕ ИЗМЕНЕНИЯ ПРЕДЕЛА ДЛИТЕЛЬНОЙ ПРОЧНОСТИ СПЛАВОВ НА ОСНОВЕ НИКЕЛЯ С ИСПОЛЬЗОВАНИЕМ БАЙЕСОВСКИХ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать