Пермские исследователи представили свежий метод адресного поиска зон повышенной нагрузки на поверхности деформируемых тел, опираясь на данные о локальных изменениях формы и применяя нейросетевые модели. Решение таргетировано на задачи промышленной безопасности, где скорость и точность аналитики становятся критическими KPI.
Обеспечение безопасной работы высокотехнологичных промышленных систем и инженерных сооружений давно является ключевым приоритетом научного сообщества и технологических команд. Помимо регламентной диагностики, компании внедряют экспериментальный мониторинг и формируют цифровые двойники, которые фиксируют текущее состояние объекта и позволяют прогнозировать риски.
Как показывает практика, разрушения чаще всего формируются либо из-за длительного агрессивного воздействия среды, либо из-за динамических событий — ударов, вибрационных скачков, взрывов. Особенно проблемным остается второй тип кейсов: существующие методы не способны обеспечить ни реального времени анализа, ни приемлемой скорости расчетов даже при постфактум-обработке.
Команда Пермского федерального исследовательского центра УрО РАН сфокусировалась на одной из самых сложных инженерных задач — определении величины и места приложения неизвестной внешней нагрузки по реакции конструкции, зафиксированной лишь в нескольких точках. Это классическая обратная задача, которая при стандартных вычислительных подходах требует значительных ресурсов и временных затрат. Нейросетевой стек позволил исследователям снять ключевые ограничения и перейти к методике, ориентированной на мгновенную локализацию воздействия.
Для реализации концепции был сформирован специализированный датасет для глубокого обучения. На его основе создана нейронная модель, способная находить локализацию внешней нагрузки в течение долей секунды. По оценке авторов исследования, подобную производительность невозможно обеспечить традиционными математическими методами. Более того, прогнозируется дальнейший прирост скорости: модель может быть перенесена непосредственно на микроконтроллер и встроена в сенсорный модуль для автономной работы.
Работа выполнена в рамках проекта «Фундаментальная механика в новых материалах, конструкциях, технологиях» при поддержке Минобрнауки России.
Результаты опубликованы в статье:
В. А. Конюхов, В. П. Матвеенко, Р. А. Степанов. Применение нейронных сетей для локализации сосредоточенной нагрузки на поверхности деформируемого тела по данным о деформациях.
Обеспечение безопасной работы высокотехнологичных промышленных систем и инженерных сооружений давно является ключевым приоритетом научного сообщества и технологических команд. Помимо регламентной диагностики, компании внедряют экспериментальный мониторинг и формируют цифровые двойники, которые фиксируют текущее состояние объекта и позволяют прогнозировать риски.
Как показывает практика, разрушения чаще всего формируются либо из-за длительного агрессивного воздействия среды, либо из-за динамических событий — ударов, вибрационных скачков, взрывов. Особенно проблемным остается второй тип кейсов: существующие методы не способны обеспечить ни реального времени анализа, ни приемлемой скорости расчетов даже при постфактум-обработке.
Команда Пермского федерального исследовательского центра УрО РАН сфокусировалась на одной из самых сложных инженерных задач — определении величины и места приложения неизвестной внешней нагрузки по реакции конструкции, зафиксированной лишь в нескольких точках. Это классическая обратная задача, которая при стандартных вычислительных подходах требует значительных ресурсов и временных затрат. Нейросетевой стек позволил исследователям снять ключевые ограничения и перейти к методике, ориентированной на мгновенную локализацию воздействия.
Для реализации концепции был сформирован специализированный датасет для глубокого обучения. На его основе создана нейронная модель, способная находить локализацию внешней нагрузки в течение долей секунды. По оценке авторов исследования, подобную производительность невозможно обеспечить традиционными математическими методами. Более того, прогнозируется дальнейший прирост скорости: модель может быть перенесена непосредственно на микроконтроллер и встроена в сенсорный модуль для автономной работы.
Работа выполнена в рамках проекта «Фундаментальная механика в новых материалах, конструкциях, технологиях» при поддержке Минобрнауки России.
Результаты опубликованы в статье:
В. А. Конюхов, В. П. Матвеенко, Р. А. Степанов. Применение нейронных сетей для локализации сосредоточенной нагрузки на поверхности деформируемого тела по данным о деформациях.
