Ученые разработали новый метод для более точного предсказания износа магниевых сплавов, используемых в автомобилях и самолетах. Эти материалы стали популярны из-за своей легкости и прочности, что позволяет создавать более энергоэффективные транспортные средства с меньшими выбросами. Однако предсказать, когда магниевые сплавы начнут развивать трещины от постоянных нагрузок, было сложно.
Традиционные методы прогнозирования износа основаны на эмпирических моделях, которые требуют постоянной настройки для разных условий. Это осложняло их применение в промышленности, где нагрузка часто меняется. Чтобы решить эту проблему, группа ученых из Южной Кореи разработала новый метод, сочетающий машинное обучение с физическим моделированием.
Новый подход использует нейронную сеть для анализа циклов напряжений и деформаций, а также физическую модель для более глубокого понимания поведения материала. Исследование опирается на данные, полученные в ходе тестов на усталость магниевого сплава AZ31, и позволяет более точно оценить, когда начнут образовываться трещины.
Главным преимуществом этой модели является ее гибкость: нейронная сеть адаптируется к изменениям в нагрузках и условиях, исключая необходимость вручную корректировать параметры. Это делает метод более эффективным для предсказания износа в реальных условиях.
Похожие новости:
Сверхпроводящий токамак | Рентген в смартфоне | Теневая камера | Контакты для 2D-чипов
Гиперперсонализация: как сделать предложение пользователю релевантным
«Количество желающих повышать квалификацию в больших компаниях меньше, чем среди предпринимателей»
Уровень «цифровой зрелости» компаний в России выше, чем в среднем по миру