Применение технологий искусственного интеллекта для оперативной диагностики механических характеристик чугуна

Abstract

Кинетическое индентирование широко используется для измерения физико-механических свойств материалов, как один из наиболее универсальных методов неразрушающего контроля. В настоящей работе использованы новейшие достижения в области искусственного интеллекта и возможности библиотек языка программирования Питон, позволяющие на основании данных диаграммы микроударного нагружения материала провести точные измерения твёрдости чугунов различных марок. Показано, что применение машинного обучения позволяет устранить грубые ошибки и снизить погрешность косвенного определения твёрдости в несколько раз – до 10 единиц по Бринеллю HB. Также установлено, что формирование дополнительных признаков для обучения моделей (на основании традиционно используемых характеристик: глубин внедрения, скорости перемещения индентора и контактных усилий в определённые моменты времени) положительным образом сказывается на точности измерений, однако при этом их количество также должно быть оптимизировано. Возможность эффективного использования машинного обучения для оценки твёрдости доказана путём сравнения расчётных значений твёрдости с данными, полученными стандартными методами испытаний. Достоинством разработанной методики контроля является то, что разработанные алгоритмы могут применяться для оперативной диагностики твёрдости чугуна с использованием уже существующего оборудования. Предложенный подход представляется целесообразным распространить на определение других механических характеристик чугуна: предела текучести, показателя деформационного упрочнения, ползучести, релаксации, определяемых методами индентирования.