Ученые Института механики сплошных сред филиала Пермского Федерального исследовательского центра Уральского отделения РАН разработали модель искусственной нейронной сети, которая позволяет получить информацию о нагрузке, действующей на конструкции и сооружения. Обрабатываемые нейросетью данные получены на основе измерения деформаций волоконно-оптическими датчиками.
Выполненные исследования ― это важный этап создания интеллектуальных систем деформационного мониторинга на базе волоконно-оптических датчиков. Потенциально такие системы обеспечат регистрацию возникновения и развития дефектов в материалах и конструкциях и позволят прогнозировать их механические состояния.
Одно их новых направлений работы института связано с применением технологий машинного обучения в задачах механики деформируемого твердого тела. В рамках этого направления разрабатываются методы решения обратных задач механики твердого тела, открывающие новые возможности контроля механического состояния конструкций. Одна из актуальных задач при эксплуатации конструкций из композиционных материалов ― регистрация места, величины и времени приложенной нагрузки на основе показаний волоконно-оптических датчиков, встроенных в композиционный материал.
Научный руководитель ПФИЦ УрО РАН академик Валерий Павлович Матвеенко в разговоре с корреспондентом «Научной России» отметил, что обратные задачи в механике ранее практически не были объектом внимания и исследований, так как они, как правило, не имеют единственного решения. В настоящее время сформировались предпосылки для эффективного решения таких задач. Методы математического моделирования позволяют получить информацию о различных параметрах механического состояния конструкций при различных внешних воздействиях, а возможности вычислительных центров позволяют хранить большие объемы данных.
Появились волоконно-оптические датчики, обеспечивающие измерение различных параметров, в частности, деформаций вдоль всей длины. Размеры этих датчиков позволяют встраивать их в материалы, например, в полимерные композиты на технологической стадии создания изделий. Таким образом, создается конструкция с «нервной системой», которая обеспечивает постоянный поток информации о механическом состоянии и поведении конструкций. Используя эти данные совместно с технологиями машинного обучения, можно разработать методы решения обратных задач механики деформируемого твердого тела.
«Первые результаты, которые были получены и опубликованы, дают нам уверенность в том, что через два-три года мы разработаем алгоритмы, которые мы в первую очередь передадим нашему квалифицированному партнеру и заказчику ― Центральному аэрогидродинамическому институту им. Н.Е. Жуковского для решения поставленной ими задачи: надежного контроля элементов авиационных конструкций из композиционных материалов».
Исследование было проведено в рамках крупного научного проекта «Фундаментальная механика в новых материалах, конструкциях, технологиях», включающего работы в области механики новых материалов и конструкций, прочности машин и сооружений, турбулентности, магнитной гидродинамики, тепломассопереноса в многофазных и многокомпонентных средах.
Фото: Рамиль Ситдиков / Фотохост Конгресса молодых учёных
Новость подготовлена при поддержке Российской академии наук
