Управление структурообразованием силикатнатриевых материалов с применением метода нейронных сетей

       УДК 691.3

УПРАВЛЕНИЕ СТРУКТУРООБРАЗОВАНИЕМ СИЛИКАТНАТРИЕВЫХ МАТЕРИАЛОВ С ПРИМЕНЕНИЕМ МЕТОДА НЕЙРОННЫХ СЕТЕЙ

1, 2

Аспирант, Саратовский Государственный Технический Университет им. 1

Зав. каф. СМТ САДИ, Саратовский Государственный Технический Университет им. 2

Аннотация: В данной статье рассматриваются подходы к управлению структурообразованием материалов и возможности применения нейронных сетей как инструмента поиска и оптимизации составов.

Ключевые слова: материаловедение, силикатнатрий, жидкое стекло, управление, нейронные сети, сланцевая глина, композитные материалы.

MANAGEMENT STRUCTURE FORMATION OF THE SODIUM SILICATE MATERIALS USING THE METHOD OF NEURAL NETWORKS

Garkavenko A. A.1 Ivashchenko Y. G.2

Graduate, Saratov State Technical University. Yuri Gagarin1

Head of Department. CMT SADI, Saratov State Technical University. Yuri Gagarin2

Abstract: This article discusses approaches to the management structure formation materials and the possibility of using neural networks as a tool for search and optimization of compounds.

Keywords: materials science, silikatnatry, liquid glass, control, neural networks, shale, composite materials.

Одной из важнейших задач материаловедения является управление составом и свойствами выпускаемых композитных материалов. Данная задача решается комплексным подходом, нахождением зависимостей структурообразования  от соотношения составов исходных ингредиентов, выявление воздействий технологических процессов на формирование свойств.

Разработки в этой области ведутся продолжительный период времени и уже могут называться накопленным опытом исследователей. Решая задачу управления структурообразованием силикатнатриевых материалов необходимо определить отношение  управляемых свойств с теми параметрами управления которыми возможно осуществить корректирующие воздействие.

Самым простейшим способом управления является изменение соотношения наполнитель-связующее. Такое условное управление позволяет не затрагивая химизма процессов формирования изучать влияние степени наполнения. Еще одним управленческим воздействием  является изменение параметров технологических переделов без изменения технологии процесса. Изменяя время и температуру оцениваем влияние физических процессов на свойства изделий.

Следующим этапом управления может служить изменение вида связующего или/и его характеристик, со стороны технологического режима можно рассматривать изменение технологического процесса на совершенно новый, с новыми параметрами поддающимися управлению.

Признанным инструментом в вопросе обработки накопленного опыта является искусственные нейронные сети, представляющие из себя попытку человека воссоздать в виртуальном пространстве работу нейронов головного мозга. Нейронные сети представляют собой различного рода сумматоры, соединяющие связи и различные активационные функции, связывающие определенное количество входов и выходов от куда считывается реакция сети на поступившие на вход данные. Возможны различные схемы соединения и методы настройки сети (обучения), но все сводится к так называемому черному ящику: имеем данные на входе и реакцию системы.

При правильной подготовке и обучению сеть способна моделировать ситуации которым она не была обучена.

На графике приведен пример обучения и проверки работы одной из модификаций ядра нейронной сети на данных которым сеть обучалась, так и на полностью незнакомых ей данных. По вертикале расположена шкала погрешности в процентах(% вычислялся учетом верхней и нижней границы у заданных параметров), по горизонтали расположены отметки которые обозначают количество повторов циклов обучения. Как видим с помощью множественного обучения(подстройке матрицы) процент погрешности уменьшается к 10%.

Используя накопление опыта в исследованиях, комбинируя с функцией нейронных сетей получаем инструментарий для поиска составов отвечающих требований, а так же систему способную управлять процессами производства контролируя и моделируя последствия обработки на каждом технологическом переделе.

Нейронные сети состоящие из множества узлов и соединенные между собой способны устанавливать порой неочевидные связи составов, структур, состояний и свойств, что позволяет говорить о качественном переходе в производстве к метериалам-4С. Способность создания подобных материалов позволяет отвечать меняющимся потребностям рынка.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

Использование нейросетевого подхода при проектировании состава бетонной смеси. / XVII Международная научная конференция Математические методы в технике и технологиях. 2004. C. 21-23 Формула "4с" (состав-структура-состояние-свойства) в концептуально-методологической парадигме современного строительного материаловедения. / Стройсиб - 2015. Строительные материалы - 4С: состав, структура, состояние, свойства Международный сборник научных трудов. 2015. С. 5-13.