ИИ научился предсказывать износ металлов

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.