Исследователи НОЦ «Полимерные и композиционные материалы» БФУ им. И. Канта создали прогностическую модель, которая поможет быстрее и дешевле создавать новые полимерные композиты. Разработка, поддержанная программой «Приоритет 2030», позволит подобрать наиболее оптимальные технологические параметры для получения качественного изделия из композитов. Подход значительно сократит время и трудозатраты ученых, которые настраивают параметры вручную в ходе лабораторных экспериментов.
В качестве модельного полимерного композита специалисты использовался полиамид, который благодаря своим уникальным свойствам (прочность, износостойкость, устойчивость к химическим веществам и пластичность) нашел применение в самых разных отраслях — производство тканей и одежды, изготовление корпусных деталей и колес для автомобилей, легких и прочных деталей — для самолетов и судов, создание хирургических нитей или искусственных сосудов и многое другое. Исследователи модифицировали этот полиамид высокодисперсными наночастицами — их добавление даже в малых количествах существенно улучшает эксплуатационные характеристики материалов (прочность, жесткость и др.).
Разработанная прогностическая модель учитывает несколько ключевых параметров: массовая доля наночастиц, частота вращения шнеков микроэкструдера, скорость экструзии композита. Раньше оптимизация параметров переработки — например, при смене сырья или оборудования — требовала множества пробных запусков. Это долго и дорого. Теперь часть испытаний можно проводить с помощью модели, для построения которой ученые использовали три современных алгоритма машинного обучения: CatBoost, XGBoost и Random Forest. Лучший результат показал CatBoost: он точнее других выявляет сложные, нелинейные связи между составом материала, его поведением в расплаве и условиями переработки.
| Алексей Шульгин, инженер НОЦ «Полимерные и композиционные материалы» БФУ им. И. Канта, магистрант: |
| CatBoost эффективно выявляет нелинейные зависимости между рецептурой, реологией расплава и параметрами экструзии композита, позволяя виртуально прогнозировать оптимальные технологические режимы вместо проведения длительных и дорогостоящих экспериментальных исследований. Данный подход трансформирует классический цикл разработки новых материалов в управляемый цифровой процесс, сокращая время перехода от лаборатории к серийному производству и обеспечивая значительную экономию ресурсов (сокращение срока разработки композита в 2–3 раза, снижение затрат в 2 раза) при гарантированной воспроизводимости заданных характеристик конечного образца. |
Личный кабинет для cтудента
Личный кабинет для cтудента
Даю согласие на обработку представленных персональных данных, с Политикой обработки персональных данных ознакомлен
Подтверждаю согласие
