МОДЕЛИРОВАНИЕ И ИНТЕРПРЕТАЦИЯ НАКОПЛЕНИЯ УСТАЛОСТНЫХ ПОВРЕЖДЕНИЙ В УПРУГИХ МУФТАХ ТЯЖЕЛЫХ ПРИВОДОВ С ИСПОЛЬЗОВАНИЕМ ФИЗИЧЕСКИ ИНФОРМИРОВАННЫХ НЕЙРОННЫХ СЕТЕЙ (PINN)

Аннотация

В работе предложен оригинальный вычислительный подход к оценке малоцикловой и многоцикловой усталости эластомерных и металлических упругих элементов упруго-компенсационных муфт, эксплуатируемых в составе тяжелонагруженных прокатных станов и горно-обогатительных агрегатов. В отличие от стандартных чисто эмпирических аппроксиматоров, авторы применили физически информированные нейронные сети (Physics-Informed Neural Networks, PINN), в структуру функций потерь которых прямо интегрированы дифференциальные уравнения гигро-термо-механики и линейного накопления повреждений Майера-Минера. Такой подход гарантирует, что предсказания модели строятся строго в рамках законов сохранения энергии и механики сплошных сред. В статье подробно разобран алгоритм извлечения физических градиентов внутри сети, позволяющий сервисному инженеру точно определить, какой именно фактор — крутильные автоколебания, монтажная несоосность валов или циклическая термодеградация — оказывает решающее деструктивное влияние в каждый момент времени.