ISSN 1995-2732 (Print), 2412-9003 (Online)
УДК 621.742.4
DOI: 10.18503/1995-2732-2023-21-4-23-33
Аннотация
Основной целью данной работы является исследование использования моделей искусственной нейронной сети (ИНС) для проверки и прогнозирования прочностных свойств сухих и влажных песчано-глинистых смесей, используемых для формовки в процессах изготовления литых изделий. В качестве основного параметра, выражающего прочностные свойства песчано-глинистых смесей, использовали сопротивление деформации формы. В качестве выбранной структуры ИНС использовали персептрон с несколькими скрытыми слоями, в качестве метода обучения применяли метод с учителем с использованием экспериментальных данных. Определение синаптических весов производили с использованием базового алгоритма обратного распространения ошибки. Исследовали время обучения и результирующую точность ИНС для предсказания прочностного параметра песчано-глинистых смесей в зависимости от состава смеси, влажности и температуры. В результате исследования была сформирована структура персептрона нейросетевой модели и определены значения величин синаптических весов. Реализующая разработанную нейросетевую модель программа для ЭВМ позволила выполнить прогнозирование количественного влияния отдельных компонентов сырых и сухих песчано-глинистых смесей на их предел прочности на сжатие, который выражается через сопротивление деформации. Полученные результаты прогнозирования характеристик сравнивались с экспериментально полученными результатами других исследователей. Было установлено, что расчетные прогнозируемые данные по влиянию компонентного состава смеси на сопротивление деформации не противоречат экспериментальным данным. Исследования, проведенные с использованием разработанного программного обеспечения, позволили выполнить оценку прочности формовочных смесей с компонентными составами, которые ранее не исследовались. Это позволит расширить диапазоны оценки возможности образования горячих трещин в отливках.
Ключевые слова
песчано-глинистая форма, искусственная нейронная сеть, формовочная смесь, компонентный состав, податливость формы, моделирование напряженного состояния, нейросетевая модель
Для цитирования
Использование искусственных нейронных сетей для прогнозирования прочностных свойств песчано-глинистых смесей литейных форм / Андреев С.М., Колокольцев М.В., Савинов Д.А., Дубровин В.К., Петроченко Е.В. // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. 2023. Т. 21. №4. С. 23-33. https://doi.org/10.18503/1995-2732-2023-21-4-23-33
1. Бехалов В.Н. Механические свойства литейной формы при уплотнении прессованием // Литейное производство. 1965. №4. С. 18-21.
2. Смеляков Н.Н., Косариков Н.Ф. Исправление пороков отливок. М.: Машгиз, 1950. 120 с.
3. Савинов А.С., Тубольцева А.С. Расчет движения фронта влажности в сырой песчано-глинистой форме // Вестник Магнитогорского государственного университета им. Г.И. Носова. 2010. №2. С. 30-33.
4. Савинов А.С. Методологические основы оценки и прогнозирования напряженно-деформированного состояния системы «отливка – форма» для предупреждения образования горячих трещин в фасонных отливках: дис. … д-ра техн. наук. Магнитогорск, 2016. 382 с.
5. Математическое моделирование напряженно-деформируемого состояния оболочковых форм при литье по выплавляемым моделям: монография / А.И. Евстигнеев, В.И. Одиноков, В.В. Петров, Э.А. Дмитриев. Владивосток: Дальнаука, 2009. 130 с.
6. Великанов Г.Ф., Примак И.Н., Бречко А.А. Прочность формовочных смесей // Литейное производство. 1986. №3. С. 10-13.
7. Мутилов В.П. Упругие свойства формовочной смеси // Литейное производство. 1974. №1. С. 30-31.
8. Матвеенко И.В., Иванов Е.И., Резчиков Е.А. Реологические испытания формовочных смесей // Формовочные смеси. 1977. №12. С. 11-14.
9. Матвеенко И.В., Иванов Е.И., Резчиков Е.А. Деформационные свойства формовочных смесей при сложном напряженном состоянии // Литейное производство. 1977. №10. С. 17-18.
10. Карпенко В.М., Филипенко Е.В. Разработка экспериментального устройства для испытания деформационных свойств формовочной смеси // Вестник Национального технического университета Украины «Киевский политехнический институт». Серия: Машиностроение. 2010. №58. С. 129-133.
11. Моделирование реологических свойств формовочных смесей / В.П. Авдокушин, С.П. Дорошенко, Е.А. Сургучев и др. // Литейное производство. 1979. №8. С. 13-14.
12. Изменение податливости сырой песчано-глинистой формы под воздействием геометрических и теплофизических свойств отливки / В.М. Колокольцев, А.С. Савинов, Н.А. Феоктистов, А.С. Постникова // Известия высших учебных заведений. Черная металлургия. 2020. Т. 63. №10. С. 829-835. DOI: 10.17073/0368-0797-2020-10-829-835
13. Баландин Г.Ф., Степанов Ю.А. О силовом взаимодействии затвердевающей отливки и формы // Литейное производство. 1962. №4. С. 37-41.
14. Аксенов П.Н., Трухов А.П. Прибор для испытания сырых формовочных смесей на горячую податливость // Литейное производство. 1979. №3. С. 20-21.
15. Lin C-J, Wu N-J. An ANN Model for Predicting the Compressive Strength of Concrete // Applied Scienc-es. 2021, vol. 11, no. 9, pp. 3798.
16. Predicting the compressive strength of ground granu-lated blast furnace slag concrete using artificial neural network / C. Bilim, C.D. Atiş, H. Tanyildizi, O. Kara-han // Advances in Engineering Software. 2009, vol. 40, no. 5, pp. 334-340.
17. Artificial neural network (ANN) prediction of compressive strength of VARTM processed polymer composites / A. Seyhan, G. Tayfur, M. Karakurt, M. Tanog // Computational Materials Science. 2005, vol. 1, no. 34, pp. 99-105.
18. Савинов А.С., Тубольцева А.С., Синицкий Е.В. Исследование деформационной способности песчано-глинистых смесей // Вестник Магнитогорского государственного технического университе-та им. Г.И. Носова. 2011. №1. С. 29-32.
19. Савинов А.С., Тубольцева А.С. Расчет податливости сырой песчано-глинистой формы // Инновационные технологии в обеспечении качества, энергоэффективности и экологической безопасности. Повышение конкурентоспособности металлургических и машиностроительных предприятий в современных условиях. Магнитогорск: Изд-во Маг-нитогорск. гос. техн. ун-та им. Г.И. Носова, 2010. С. 176-179.
20. Савинов А.С., Тубольцева А.С. Моделирование деформационной способности сухой песчано-глинистой формы // Прогрессивные технологии в современном машиностроении: сб. ст. VI Междунар. науч.-техн. конф. Пенза: Приволжский дом знаний, 2010. С. 66-70.
21. Моделирование напряженного состояния сырых песчано-глинистых литейных форм / А.С. Сави-нов, В.П. Дзюба, К.А. Фролушкина, Р.М. Байбатыров; ФГБОУ ВПО «МГТУ им. Г.И. Носова». Магнитогорск, 2012. 10 с. Деп. в ВИНИТИ 11.03.2012. №82. В2012.
22. Исследование физических свойств сухих песчано-глинистых литейных форм // А.С. Савинов, А.С. Тубольцева, В.П. Дзюба, К.А. Фролушкина; ФГБОУ ВПО «МГТУ им. Г.И. Носова». Магнитогорск, 2012. 41 с. Деп. в ВИНИТИ 11.03.2012. №81. В2012.
23. Адаптивные статистические модели, синтезированные на основе ИНС / Б.Н. Парсункин, С.М. Андреев, Т.Г. Обухова и др. // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. 2012. №4(40). С. 68-71.
24. Хайкин С. Нейронные сети: полный курс: пер. с англ., 2-е изд.: М.: Издательский дом «Вильямс», 2006. 1104 с.