КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ
Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.
ОБЩИЕ СВЕДЕНИЯ
Номер проекта 22-79-00206
НазваниеПрогнозирование влагосодержания полимерных материалов с применением методов машинного обучения и учетом синергетических и нейтрализующих эффектов системы «окружающая среда – полимерный материал»
Руководитель Низин Дмитрий Рудольфович, Кандидат технических наук
Организация финансирования, регион федеральное государственное бюджетное образовательное учреждение высшего образования "Национальный исследовательский Мордовский государственный университет им. Н. П. Огарёва" , Республика Мордовия
Конкурс №70 - Конкурс 2022 года «Проведение инициативных исследований молодыми учеными» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными
Область знания, основной код классификатора 09 - Инженерные науки; 09-201 - Процессы тепло- и массообмена
Ключевые слова Полимерные материалы, старение, влагосодержание, синергетические и нейтрализующие эффекты, факторы окружающей среды, машинное обучение, классификация, регрессия, кластеризация, обучение с учителем
Код ГРНТИ67.09.45
ИНФОРМАЦИЯ ИЗ ЗАЯВКИ
Аннотация
Полимерные материалы представляют собой один из наиболее востребованных и перспективных материалов современности. За счет широчайшего диапазона варьирования эксплуатационных свойств, полимеры используются практически повсеместно – от аэрокосмической и строительной областей до микроэлектроники и медицины. Однако, в ряде отраслей применение материалов на полимерной основе искусственно ограничивается, хотя по основным эксплуатационным характеристикам и экономическим показателям они превосходят существующие аналоги.
Одна из причин существующих ограничений заключается в высокой комплексности процессов, протекающих в структуре полимерной матрицы в ходе эксплуатации и возникающей вследствие этого сложности прогнозирования свойств полимерных материалов с достаточной степенью точности. Так, эксплуатационные показатели полимерных материалов могут существенно варьироваться в зависимости от их температурно-влажностного состояния, причем изменения могут касаться не только свойств, но и характера разрушения, сорбционно-диффузионных характеристик, адгезии к материалу основания и т.д.
В настоящий момент не существует прямых инструментальных методов определения влагосодержания полимерных материалов в режиме реального времени. При этом известны способы определения поверхностной влажности материалов, однако, учитывая, что влагосодержание представляет собой характеристику с достаточно большим временем отклика (в отличие, например, от температуры, которая распространяется по объему изделий с гораздо большей скоростью) и возникающим вследствие этого градиентом влажности по толщине, они не могут рассматриваться в качестве источника получения достоверной и полной информации о влажностном состоянии полимера.
Несмотря на незначительное предельное содержание влаги в структуре полимерной матрицы (как правило, не превышающее 2-3% по массе), её влияние на прочностные свойства крайне велико. Так, в случае конструкционных углепластиков, используемых в авиационной промышленности, разница между значениями прочности в предельном влагонасыщенном и высушенном состояниях составляет более 30%. При этом в реальных условиях эксплуатации влажностное состояние полимерного материала практически не учитывается, что может привести к возникновению критических ситуаций.
Таким образом, контроль и оценка влажностного состояния полимерных материалов в процессе эксплуатации представляет собой крайне важную задачу. А поскольку влажность материала представляет собой функцию отклика условий его эксплуатации, наибольшую целесообразность представляет разработка методик оценки и прогнозирования влагосодержания в зависимости от количественных значений факторов окружающей среды. Учитывая большое число действующих факторов окружающей среды, широкий диапазон варьирования их количественных значений (в зависимости от климатической зоны эксплуатации материала), а также синергетические и нейтрализующие эффекты, проявляющиеся для различных комбинаций и уровней воздействия факторов, наибольшим потенциалом для решения поставленной задачи обладают методы машинного обучения.
В ходе реализации проекта крайне важно определить перечень входных признаков (влажность и температура воздуха, влажность и температура поверхности, толщина полимерного покрытия, количество осадков, скорость и направление ветра, количественные значения солнечной радиации и ультрафиолетового излучения, влагосодержание полимерного материала в начальный момент времени и т.д.), на основании значений которых будет обучаться, проверяться и тестироваться модель. Также необходимо рассмотреть различные сочетания типа решаемой задачи и целевого признака – это может быть задача регрессии, в которой будут определяться количественные значения изменения влажности полимерного материала за определенный промежуток времени. Или задача классификации, в рамках которой будет прогнозироваться отклонение влажностного состояния полимерного материала от некоторого целевого диапазона. Это позволит разработать алгоритм, позволяющий определять влажность полимерного материала в любой момент времени на основании предшествующих данных – количественных значений факторов окружающей среды и прочих входных признаков.
ОТЧЁТНЫЕ МАТЕРИАЛЫ