Установление зависимости механического поведения при растяжении упругого материала ОТ температуры с помощью применения нейронных сетей
| Autor: | Tarkhov, D.A., Kaverzneva, T.T., Stolyarov, O.N., Varshavchik, E.A., Sedova, Y.S., Kasparov, Y.A., Filchuk, E.V. |
|---|---|
| Jazyk: | ruština |
| Rok vydání: | 2017 |
| Předmět: | |
| DOI: | 10.25559/sitito.2017.5.528 |
| Popis: | В данной работе исследовано влияние температуры на механические характеристики при растяжении упругого материала при помощи нейронных сетей. Для построения математических моделей использовались персептроны с различным числом нейронов. Оптимальные структура и веса нейронных сетей подбирались по экспериментальным данным с помощью метода наименьших квадратов. В процессе построения тестировались различные функции активации. Наилучший результат был получен при использовании функции активации сигмоидного типа. Образцами были выбраны высокопрочные термостойкие комплексные нити. Испытания проводились при 5-и различных уровнях температуры. На основе полученных данных была выявлена зависимость каждого из параметров от температуры материала. Также нейросетевая модель строилась по измерениям для данных нитей в ситуации со ступенчатым повышением температуры. Подобные эксперименты проводятся для ускорения процесса испытаний. Нейросетевая модель, построенная по части выборки, позволила построить достаточно точный прогноз дальнейшего растяжения нити при данной температуре. Кроме того, нейронная сеть позволила адекватно спрогнозировать закон растяжения при увеличении температуры. Такой результат позволяет существенно сократить время проведения эксперимента с сохранение точности моделирования. Рассматриваемые методы универсальны и могут быть применены к другим упругим материалам. Annotation. In this paper, the effect of temperature on the mechanical characteristics of tensile elastic material with the help of neural networks is investigated. Perceptrons with a different number of neurons were used to construct mathematical models. The optimal structure and weights of neural networks were selected from the experimental data using the method of least squares. During the construction process, various activation functions were tested. The best result was obtained using the activation function of the sigmoid type. High-strength heat-resistant complex filaments were chosen as samples. The tests were carried out at 5 different temperature levels. Based on the obtained data, the dependence of each of the parameters on the temperature of the material was revealed. Also, the neural network model was constructed from measurements for these filaments in a situation with a stepwise increase in temperature. Similar experiments are conducted to accelerate the testing process. The neural network model, constructed from the sampling part, made it possible to construct a fairly accurate prediction of the further stretching of the filament at a given temperature. In addition, the neural network allowed to adequately predict the law of stretching with increasing temperature. This result allows to significantly reduce the time of the experiment with the preservation of the accuracy of the simulation. The methods considered are universal and can be applied to other elastic materials. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|