Отправить статью по E-mail 
Прогнозирование толщины бороалитированного слоя с использованием искусственной нейронной сети
- Авторы: Мишигдоржийн У.Л.1, Дышенов Б.А.1, Семенов А.П.1, Улаханов Н.С.1, Мархадаев Б.Е.1
-
Учреждения:
- Институт физического материаловедения СО РАН
- Выпуск: № 4 (2024)
- Страницы: 90-97
- Раздел: Статьи
- URL: https://permmedjournal.ru/1028-0960/article/view/664662
- DOI: https://doi.org/10.31857/S1028096024040128
- EDN: https://elibrary.ru/GIJGSW
- ID: 664662
Цитировать
Открытый доступ
Доступ предоставлен
Аннотация
Рассмотрено применение математических моделей искусственных нейронных сетей для прогнозирования свойств диффузионных покрытий, созданных методом химико-термической обработки на основе процесса бороалитирования. Проведены формализация и анализ прогнозирования результатов экспериментов. Установлено, что построение компьютерных моделей прогнозирования на основе экспериментальных данных бороалитирования с высокой точностью – это решаемая задача при использовании искусственных нейронных сетей типа многослойный персептрон. Так, тестирование количества скрытых слоев и количества нейронов в них выявили наибольший коэффициент корреляции R = 0.99993 искусственной нейронной сети при использовании двух скрытых слоев с десятью и шестью нейронами соответственно. Наибольшей эффективности можно достичь с помощью функции активации “гиперболический тангенс”.
Полный текст
Об авторах
У. Л. Мишигдоржийн
Институт физического материаловедения СО РАН
Автор, ответственный за переписку.
Email: undrakh@ipms.bscnet.ru
Россия, 670047, Улан-Удэ
Б. А. Дышенов
Институт физического материаловедения СО РАН
Email: dyshenov@gmail.com
Россия, 670047, Улан-Удэ
А. П. Семенов
Институт физического материаловедения СО РАН
Email: dyshenov@gmail.com
Россия, 670047, Улан-Удэ
Н. С. Улаханов
Институт физического материаловедения СО РАН
Email: undrakh@ipms.bscnet.ru
Россия, 670047, Улан-Удэ
Б. Е. Мархадаев
Институт физического материаловедения СО РАН
Email: undrakh@ipms.bscnet.ru
Россия, 670047, Улан-Удэ
Список литературы
- Земсков Г.В., Коган Р.Л. Многокомпонентное диффузионное насыщение металлов и сплавов. М.: Металлургия, 1981. С. 208.
- Suwattananont N., Petrova R. // Solid State Sci. 2012. V. 14. P. 1669. https://doi.org/10.1016/j.solidstatesciences.2012.06.008
- Cho J.H., Kim T.W., Son K.S., Yoon J.H., Kim H.S., Leisk G.G., Mitton D.B., Latanision R.M. // J. Metals Mater. Int. 2003. V. 9. № 3. C. 303. https://doi.org/10.1007/BF03027051
- Tsipas S.A., Omar H., Perez F.H., Tsipas D.N. // Surf. Coat. Technol. 2008. V. 202. № 14. P. 3263. https://doi.org/10.1016/j.surfcoat.2007.11.034
- Omar H., Tsipas S.A., Maragoudakis N., Michailidis N. // J. Corros. Eng. Sci. Technol. 2011. V. 46. № 6. P. 697. https://doi.org/10.1179/147842209X12579401586564
- Maragoudakis N.E., Stergioudis G., Omar H., Paulidou H., Tsipas D.N. // Mater. Lett. 2002. V. 53. Р. 406. https://doi.org/10.1016/S0167-577X(01)00515-8
- Zakhariev Z., Marinov M., Penyashki T., Tsokov Pl. // J. Alloys Compd. 2008. 459. P. 501.
- Ouladsaad S., Allaoui O., Daas A. // Indian J. Chem. Technol. 2019. V. 26. P. 239.
- Mishigdorzhiyn U.L., Ulakhanov N.S., Milonov A.S., Semenov A.P. // IOP Conf. Ser.: Mater. Sci. Eng. 2020. V. 759. Р. 012017. https://doi.org/10.1088/1757-899X/759/1/012017
- Mishigdorzhiyn U., Chen Y., Ulakhanov N., Liang H. // Lubricants. 2020. V. 8. № 3. P. 26. https://doi.org/10.3390/lubricants8030026
- Ulakhanov N., Mishigdorzhiyn U. // IOP Conf. Ser.: Mater. Sci. Eng. 2019. V. 684. Р. 012003. https://doi.org/10.1088/1757-899X/684/1/012003
- Улаханов Н.С., Мишигдоржийн У.Л. Нейросетевая модель для расчета и прогнозирования толщины упрочненного слоя на поверхности деталей машин // VII Междунар. конф. “Проблемы механики современных машин”, 25–30 июня 2018 г., г. Улан-Удэ, C. 322.
- Mishigdorzhiyn U.L., Ulakhanov N.S. // IOP Conf. Ser.: Mater. Sci. Eng. 2018. V. 411. P. 012049. https://doi.org/10.1088/1757-899X/411/1/012049
- Sizov I.G., Mishigdorzhiyn U.L., Maharov D.M. // Met. Sci. Heat Treat. 2012. V. 53. № 11–12. P. 592.
- Патент 2401319 РФ, МПК С23С 8/72. Способ термоциклического бороалитирования изделий из углеродистых сталей / Восточно-Сибирский гос. технолог. ун-т (№ 2009106319/02). Сизов И.Г., Мишигдоржийн У.Л., Махаров Д.М., Дашиев Ю.Б. // заявл. 24.02.2009; опубл. 10.10.2010. Бюл. № 28. 8 с.
- Тараник В.А. // ScienceRise. 2015. Т. 2. № 8. С. 69. https://doi.org/10.15587/23138416.2015.48349
- Иванов М.В. // Изв. Самарского науч. центра РАН. 2019. Т. 21. № 5. С. 11.
- Интерполяция. Национальный исследовательский университет ИТМО. http://aco.ifmo.ru/el_books/numerical_methods/lectures/glava3.html (дата обращения: 30.06.2023).
- Seber G.A.F., Wild C.J. // Nonlinear Regression. New York: John Wiley & Sons, 1989. P. 768.
- Подготовка данных к прогнозированию и корректировка прогноза факторами. https://4analytics.ru/planirovanie-i-prognozirovanie-praktika/video-podgotovka-dannix-k-prognozirovaniyu.html (дата обращения: 08.06.2023)
- Хайкин С. // Нейронные сети: полный курс. М.: ИД “Вильямс”, 2016. С. 1104.
- Рутковская Д., Пилиньский М., Рутковский Л. // Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия-Телеком, 2013. C. 384.
- Bengio Y., Courville A., Vincent P. // IEEE Trans. Pattern Anal. Mach. Intell. 2013. V. 35. № 8. P. 1798.
- Нгуен А.Т. Алгоритмическое обеспечение нейронной сети с полиномиальными кусочно-непрерывными функциями активации для обнаружения закономерностей в данных: дис. … канд. тех. наук: 05.13.01. Томск: ТПУ–ТУСУР, 2019. С. 112.
Дополнительные файлы
