Page 53 - Дисертаця Венгринюк

53

Основи машинного навчання у механіці руйнування базуються на

використанні алгоритмів штучного інтелекту для аналізу, прогнозування та

моделювання процесів пошкодженості матеріалів та розвитку тріщин. На

відміну від класичних числових підходів, які ґрунтуються винятково на

рівняннях механіки суцільних середовищ, методи машинного навчання дають

змогу встановлювати приховані закономірності між параметрами матеріалу,

умовами навантаження та характеристиками руйнування на основі великих

масивів даних [110–114].

Основними етапами застосування машинного навчання є формування

навчальної вибірки, вибір моделі, процес навчання та перевірка точності

прогнозування. Навчальні дані можуть бути отримані з експериментів,

числового моделювання (наприклад, методом скінченних елементів) або їх

поєднання. Чим більше прихованих шарів нейронної мережі, тим складніші

закономірності вона може знаходити і тим потенційно кращим внутрішнім

представленням може оперувати. Напрям, який розробляє моделі з великою

кількістю прихованих шарів, – глибоке навчання [114, 115]. Вхідними

параметрами зазвичай виступають механічні характеристики матеріалу,
геометричні параметри, напружено-деформований стан, температура,

концентрація водню, тоді як вихідними – критичні навантаження, траєкторії
тріщин, швидкість їх поширення або параметри пошкодженості [115].

Методи машинного навчання використовують для вирішення багатьох
задач механіки матеріалів та матеріалознавства [110, 112–132], зокрема для

прогнозування зародження та поширення тріщин, оцінювання параметрів

руйнування, моделювання втомного руйнування, аналізу пошкоджуваності

матеріалів, впливу дифузійних процесів, а також для створення сурогатних

моделей [116], що значно зменшують обчислювальні витрати порівняно з

традиційними числовими методами.

Однією з головних переваг машинного навчання є здатність враховувати

нелінійні залежності та вплив великої кількості взаємопов’язаних факторів, що

особливо важливо для задач крихкого руйнування та водневого окрихчення.