adblock check

Характеристики сплавов теперь можно прогнозировать: в России создали специальное ПО

Для обучения искусственного интеллекта учёные использовали метод под названием аугментация

Специалисты Пермского национального исследовательского университета разработали программное обеспечение на основе алгоритмов искусственного интеллекта, которое поможет прогнозировать показатели шероховатости поверхности титановых сплавов. Данный материал используется в самых разных отраслях: от автомобилестроения до авиации. Однако, сложности с прогнозированием характеристики снижает качество производства и замедляет его процессы. Именно эту проблему и решили исправить в Пермском политехе. Разработка уже получила соответствующее свидетельство.

В последнее время искусственный интеллект становится неотъемлемой частью большинства современного программного обеспечения. ИИ-модели для корректной работы требуют большого объёма данных, чтобы пройти обучение. В реальных промышленных условиях сбор такой информации максимально затруднён или же финансово затратен. Эта проблема особенно актуальна, когда речь заходит о высокоточных производственных процессах, включая обработку титановых сплавов резанием.

Например, чтобы получить ровную поверхность воздухозаборника или лопаток, которые используются в двигателях, необходимо оптимизировать режим резания. В этом случае требуется информация о влиянии определённых параметров на качество обработки, чтобы спрогнозировать конечный результат. В случае с отечественным ПО, разработанным за стенами Пермского политеха, прогнозированием показателя шероховатости поверхности занимаются нейронные сети. Для получения обучающей выборки и снижения стоимости проведения экспериментов используется метод под названием аугментация — это способ искусственного увеличения объёма данных.

Именно на метод аугментации пермские специалисты создали модели, которая сгенерировала дополнительные примеры, создав базу из более чем 2000 записей. Эта база и стала основой для обучения предсказательного искусственного интеллекта.

«Результаты показали, что нейронные сети, обученные на аугментированных данных, достигли высокой точности предсказаний по метрике MAPE равно 3,97 процента. Это говорит о том, что ошибка составила всего 3,97 процента от фактических значений. Другими словами, такой метод эффективен в условиях ограниченного объема исходных данных», — поясняет Вадим Данелян, аспирант кафедры вычислительной математики, механики и биомеханики, руководитель группы молодежного проектно-технологического бюро передовой инженерной школы «Высшая школа авиационного двигателестроения» ПНИПУ.

Учёные разработали ПО, которое может подбирать оптимальный режим резания для обеспечения нужного уровня шероховатости не только титанового, но и других видов сплавов.

Источник

ksmorodin
Автор
🇷🇺
Россия Россия
36,8K участников
Вступить
ИИ ИИ
7,8K участников
Вступить
Комментариев пока нет
Оставьте комментарий...
Оставьте комментарий...