Page 154 - Дисертаця Венгринюк

154

Висновки до розділу 4

1. Проведено аналітичний огляд методів машинного навчання

(нейронних мереж), обґрунтовано вибір фізико-інформованих нейронних

мереж для прогнозування розподілу дифузійно рухливого водню у металі та

вибрано їх оптимальну архітектуру.

2. Сформульовано модель для прогнозування розподілу дифузійно

рухливого водню у стінці труби з використанням фізико-інформованих

нейронних мереж. Вона дає можливість прогнозувати зміну розподілу

концентрації водню у стінці труби з часом. Розроблена модель забезпечує

високу точність прогнозування, зокрема, середня абсолютна похибка (MAE)

становила 0,07 за використання лише 6 точок даних для навчання моделі.

3. Обґрунтовано можливість спрощення рівняння дифузії водню до

класичної форми (другого закону Фіка) за дії постійного напруження, оскільки

його вплив є незначним: відхилення між розрахунками із використанням

постійного напруження та рішенням рівняння Ламе не перевищує 2%, що

практично не впливає на точність прогнозу дифузії водню.
4. Проаналізовано відому модель фазового поля для прогнозування

деградації тріщиностійкості трубної сталі у стані постачання під дією водню
та встановлено її невідповідність експериментальним даним.

5. Розроблено нові моделі для прогнозування деградації
тріщиностійкості для сталі труб під впливом водню з урахуванням стану

матеріалу (вихідний – труба резерву та деградований – труба після 38 років

експлуатації). Для кожного стану сталі запропоновано окрему функціональну

залежність, отриману з використанням методу найменших квадратів на основі

експериментальних даних.

6. Встановлено, що для сталі у вихідному стані деградація

тріщиностійкості за дії водню добре описується лінійною моделлю, а для

тривало експлуатації – гіперболічною функцією, що враховує її

експлуатаційну деградацію.