Istraživanje i razvoj prediktivnih modela ponašanja konstrukcijskih materijala temeljenih na metodama strojnog učenja
| Voditelj: Izv. prof. dr. sc. Robert Basan | Izvor financiranja: Sveučilište u Rijeci - uniri-tehnic-18-116 |
| Suradnici:
doc. dr. sc. Tea Marohnić doc. dr. sc. Dario Iljkić doc. dr. sc. Sunčana Smokvina Hanza Gordan Janeš, dipl. ing. |
Trajanje: 2019. - 2021. |
Procjena cikličkog ponašanja čelika na osnovi monotonih značajki primjenom umjetnih neuronskih mreža
Raspodjela trajnosti materijala u površinskom sloju boka zuba zupčanika kod različitih stanja naprezanja/deformacije
Dijagram toka modeliranja neuronskih mreža
Prisutnost zamora materijala u svim aspektima života
Modeliranje materijala i računalno simuliranje njihovog ponašanja ključni je element suvremenog razvoja proizvoda koji u gotovo svim svojim fazama uključuje izvođenje numeričkih proračuna i simulacija opteretivosti i trajnosti u cilju boljeg iskorištenja materijala te smanjenja mase i troškova. Za uspješno i točno modeliranje materijala nužno je detaljno poznavanje njihovih značajki i parametara kojima se definira njihovo ponašanje. Određivanje tih podataka eksperimentalnim putem je najtočnije, ali je i dugotrajno i iznimno skupo te se stoga oni često nastoje odrediti empirijskim metodama procjene naprednih (cikličkih, zamornih) parametara ponašanja na osnovi lakše odredivih i dostupnijih monotonih značajki materijala. Prethodno provedenim istraživanjima utvrđene su brojne manjkavosti i nedovoljna točnost postojećih metoda te mogućnosti za njihovo unaprijeđivanje.
Projektom se nastavlja rad na detaljnoj karakterizaciji ponašanja materijala i utvrđivanju dodatnih relevantnih faktora i parametara za točniju i učinkovitiju procjenu njihovog ponašanja te parametara koji ga definiraju. Nastavit će se razvoj prethodno predloženih novih vlastitih pristupa te metoda temeljenih na umjetnim neuronskim mrežama kojima su dobiveni obećavajući rezultati i za koje je potvrđen značajan potencijal za daljnje unaprijeđivanje. U istraživanje će se uključiti i druge metode strojnog učenja u cilju utvrđivanja njihove primjenjivosti za razvoj sofisticiranih prediktivnih modela ponašanja materijala. Novorazvijeni prediktivni modeli biti će implementirani u računalne aplikacije, a za kompleksne i zahtjevne modele temeljene na strojnom učenju istražit će se i razviti rješenja prilagođena izvođenju na superračunalnoj (High Performance Computing) tehnologiji. Očekuje se da bi se time značajno povećala njihova učinkovitost, olakšala planirana primjena razvijenih rješenja u industrijskom okruženju te povećala realizacija planiranog transfera znanja i tehnologije prema zainteresiranoj industriji.
