Собрали по винтику с нуля, завели, тронулись в путь, проехали сотни тысяч километров по трассам, кочкам и бездорожью, перенесли на колесах все испытания и невзгоды, выработали ресурс, оценили потери, сдали в утиль. При этом ни один железный конь не пострадал: челябинские ученые создали революционный метод оценки долговечности транспортных конструкций с помощью нейронных сетей.
Команда исследователей Южно-Уральского государственного университета (вуз входит в Союз машиностроителей России) разработала принципиально новый подход, который сможет точно прогнозировать срок службы металлических конструкций, подвергнутых сложной комбинации эксплуатационных нагрузок.
«Транспортные средства каждый день испытывают нагрузки и вибрации, возникающие при движении по разным покрытиям дорог, – объясняет заместитель директора центра виброиспытаний и мониторинга состояния конструкций ЮУрГУ Алексей Ерпалов. – Особенно тяжело приходится грузовикам, ведь они буквально сотрясаются на каждой ямке, ухабе и даже на относительно ровном асфальте. Со временем металл теряет прочность: мелкие повреждения накапливаются, перерастают в трещины, и рано или поздно конструкция ломается. Этот процесс называется усталостью материала, изучением которой учёные занимаются ещё с прошлого столетия. До сих пор все расчёты были сугубо опытными: проводили эксперименты, получали цифры и делали выводы. Такой эмпирический подход приводит к существенным ошибкам и недостаточной точности».
Новый подход специалистов ЮУрГУ направлен на устранение этих недостатков. Для этого в лаборатории создан цифро-мобиль – электронная модель автомобиля, на которой проводится тестирование всех узлов и агрегатов под различными видами нагрузок.
Новый метод позволяет отказаться от бесконечных испытаний «в железе» и приблизить расчёт прочности конструкций к идеальным показателям.
Исследователи отмечают, что основой для их разработок послужила теория долговечности, созданная советской научной школой. В челябинском Политехе был разработан целый ряд методов и критериев оценки надежности, уникальных для своего времени.
«Представьте себе ситуацию: автомобили, самолёты, ракеты двигаются в условиях постоянных изменений нагрузок и напряжений. Даже незначительные изменения скорости, переход с асфальта на грунтовую дорогу мгновенно меняют характер воздействий на конструкцию. Учёные называют подобные условия нестационарными, поскольку внешние воздействия постоянно варьируются, – рассказывает Алексей Ерпалов. – Чтобы лучше представить разницу, приведу простой пример: турбины электростанций работают практически на стабильных оборотах, испытывая почти постоянные вибрации одинаковой интенсивности. Именно такую особенность и учли наши предшественники, предложив оценивать сложные колебательные процессы специальными критериями. Такой подход оказался уникальным и новаторским для своего времени. Теперь мы хотим совместить этот советский подход с технологиями XXI века, сделав возможным точный расчет ресурса деталей и узлов транспортных средств даже в условиях резко изменяющихся нагрузок».
Ученые ЮУрГУ разрабатывают четкий пошаговый алгоритм и удобный инструмент, который позволит инженерам-расчётчикам быстро оценивать срок службы конструкций. Разработка актуальна не только для наземного транспорта, но и для авиационной техники.
Известно, что для эффективного обучения нейронных сетей нужны большие объёмы данных, на получение их могут уйти годы. Челябинские ученые нашли нестандартный выход: установили датчики на реальный грузовой автомобиль, подвергли его разнообразным нагрузкам на различных типах трасс и бездорожье, и на основе этих коротких записей научились генерировать синтетические данные. Они похожи на исходные, но еще более разнообразные и практически неисчерпаемые. Этот метод генерации не описан нигде в литературе, возможно, ученые ЮУрГУ стали первыми не только в России, но и в мире.
«Наше изобретение состоит в том, что мы не просто создаём новые данные, а дополнительно учитываем фактор долговечности, – говорит Алексей Ерпалов. – Берем короткий реальный сигнал, например, длиной всего 20 минут, моделируем его на большее время – на час или даже целый год. Таким образом, мы видим, как меняется степень повреждения конструкции за увеличенный период времени. Это особенно важно для нейронных сетей, поскольку позволяет им учиться распознавать не только процессы, но и связанное с ними постепенное ухудшение состояния изделия. По сути, мы симулируем износ конструкции прямо в процессе моделирования сигналов разной длительности и интенсивности. Так, если у нас имеется запись реального движения автомобиля продолжительностью 20 минут, мы можем рассчитать долговечность этой конструкции классическими методами и определить, что эти 20 минут составили около 10% от общего ресурса конструкции. Для нейронной сети же мы можем задать различные уровни износа, например, 20%, 50% или полный ресурс (100%)».
Исследование поддержано грантом Российского научного фонда, первый этап его завершен. Результатом работы должно стать программное обеспечение, предназначенное для широкого круга пользователей – от конструкторов до сервисных служб. Оно позволит проводить точный анализ технического состояния конструкций и заранее предупреждать аварийные ситуации, снижая риски поломок и увеличивая общий срок службы техники.
Нестандартный подход челябинских ученых способен кардинально изменить ситуацию в отечественном авто и авиастроении. Разработка позволит существенно снизить издержки производителей, уменьшить количество поломок и увеличить общую надежность конструкций.
