Аналіз алгоритмів машинного навчання для прогнозування ресурсу авіаційних конструкцій в умовах невизначеності властивостей матеріалів
DOI:
https://doi.org/10.20535/0203-3771492025334116Ключові слова:
штучний інтелект, авіаційні конструкції, втомна міцність, ріст тріщини, параметри матеріалів, невизначеність, машинне навчання, прогнозування довговічностіАнотація
Розглянуто актуальну інженерну задачу визначення параметрів матеріалів для розрахунків втомної міцності та прогнозування росту тріщини у силових елементах літаків транспортної категорії. Особливої значущості вона набуває в умовах невизначеності властивостей матеріалів, що характерно для процесів післяринкової експлуатації, модифікації та конверсії повітряних суден, які потребують додаткової сертифікації. У роботі проведено класифікацію та порівняльний аналіз алгоритмів штучного інтелекту (ШІ), придатних для розв'язання цієї задачі. Оцінено їхні переваги та недоліки з точки зору точності, вимог до даних та обчислювальної складності. Обґрунтовано, що методи ШІ здатні виявляти складні, неочевидні для людини залежності між великою кількістю відомих параметрів матеріалів.
Застосування ШІ дозволить отримувати надійні вхідні дані для розрахунків довговічності без проведення коштовних стендових випробувань, прискорюючи аналіз та сертифікацію авіаційної техніки.
Посилання
Anderson, T., Fracture Mechanics: Fundamentals and Applications, CRC Press, 2017
Artificial Intelligence and digitalization in aviation https://www.icao.int/ Meetings/a40/Documents/WP/wp_268_en.pdf (access date: 06.11.2024)
AI at the Helm: Boeing’s Critical Turn Towards Nextgen Flight Safety https://www.forbes.com/sites/markminevich/2024/03/22/ai-at-the-helm-boeings-critical-turn-towards-nextgen-flight-safety (access date: 06.11.2024)
Artificial Intelligence at Boeing – Two Use Cases https://emerj.com/ai-power/artificial-intelligence-at-boeing (access date: 06.11.2024)
Ігнатович С.Р., Карускевич М.В., Маслак Т.П., Юцкевич С.С., Ресурс та довговічність авіаційної техніки – Видавництво НАУ, 2015
Posthoff, C., Artificial Intelligence for Everyone – Springer Nature Switzerland AG, 2024
Supplemental Type Certificates https://www.faa.gov/aircraft/air_cert/ design_approvals/stc (access date: 16.12.2024)
Бондар Ю.І., Структуризація потоків інформації оптимального проектування авіаційних конструкцій із використанням штучного інтелекту – Механіка гіроскопічних систем, Випуск 48, 2024. c. 124-136. DOI: 10.20535/0203-37714820243180524
Metallic Materials Properties Development and Standardization, MMPDS-04: Metallic Materials design data acceptable to Government procuring or certification agencies – Federal Aviation Administration, 2008
US Department of Defence, Metallic Materials and Elements for Aerospace Vehicle Structures (MIL-HDBK-5J)
С. О. Субботін, Нейронні мережі: теорія та практика: навч. посіб. – Житомир: Вид. О. О. Євенок, 2020. – 184 с.
Глибовець М.М., Олецький О.В. Системи штучного інтелекту. —К.: Вид. дім «КМ Академія», 2002. —366 с.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
