Modelio grūdelių dydžio kvalifikacijos vizualizacija naudojant pavyzdinį bainitinį 100Cr6 vaizdą su nevienalyte mikrostruktūra (a). B paveiksle sritys, į kurias modelis atidžiai atsižvelgia, ypač stambūs kristalitai, yra paryškintos raudonai ir geltonai. Kreditas: Fraunhofer-Gesellschaft Riedėjimo guoliai montuojami visur, kur kažkas sukasi. Platus pritaikymo spektras apima nuo didelių vėjo turbinų iki mažų elektrinių dantų šepetėlių. Šie guoliai, sudaryti iš plieninių komponentų, turi būti kruopščiai atrinkti ir išbandyti, atsižvelgiant į jų kokybę ir atitinkamą pritaikymą. Grūdelių dydis turi lemiamą įtaką mechaninėms plieno savybėms.
Iki šiol mikroskopinių kristalitų dydį metalografai vertino vizualiai apžiūrėdami – subjektyvų ir klaidų metodą. Fraunhoferio medžiagų mechanikos instituto IWM mokslininkai, bendradarbiaudami su Schaeffler Technologies AG & Co. KG, sukūrė giluminio mokymosi modelį, kuris leidžia objektyviai ir automatizuotai įvertinti ir nustatyti grūdelių dydį.
Medžiaga, kuri paprastai naudojama riedėjimo guoliams, yra paviršiuje grūdintas plienas, praturtintas anglimi. Paviršiaus grūdinimas naudojamas, kad medžiaga būtų patvari, kad būtų išvengta gedimo, nuovargio ir kritinio įtrūkimų augimo komponentuose dėl ciklinės apkrovos, taip išvengiant rimtų nelaimingų atsitikimų.
Kritinės plieno lydinių mikrostruktūrinės charakteristikos paprastai yra nemetaliniai intarpai ir didesni nei vidutiniai grūdeliai. Šie kristalitai susidaro plieno gamybos proceso metu ir nuolat keičiasi visoje vertės grandinėje.
Plieno mechanines savybes, be kita ko, daugiausia lemia grūdelių dydis. Todėl kokybės kontrolės tikslais labai svarbu, kad jie būtų patikimai įvertinti. Fraunhofer IWM Freiburge (Vokietija) tyrėjai, bendradarbiaudami su Schaeffler Technologies AG & Co. KG, sukūrė giluminio mokymosi modelį, skirtą martensitinio ir bainitinio plieno, ty plienų, kurių mikrostruktūra sukietėjusi dėl staigaus aušinimo, grūdelių dydžio nustatymo.
Šis modelis skirtas papildyti arba pakeisti daug laiko reikalaujančią vizualinę apžiūrą, kurią atlieka apmokyti metalografai, kurie iki šiol defektus nustatydavo ir klasifikuodavo vizualiai. Jie pirmiausia ieško didesnių grūdelių ir kitų trūkumų, nes čia yra didžiausia gedimo tikimybė. Tačiau, kaip atskleidė tarplaboratorinis apvalus bandymas, ekspertų atlikti grūdelių dydžio vertinimai skiriasi vienas nuo kito.
Be to, kad grūdų dydžio klasifikacija iš esmės yra subjektyvi, ekspertų vertinimai kartais buvo netikslūs ir todėl nebuvo pakankamai patikimi, ypač su sauga susijusioms programoms. Standartinė tikrinimo procedūra taip pat yra linkusi į klaidas, nes ji pagrįsta mažais pavyzdžiais ir dėl didelio darbo kiekio neįmanoma patikrinti visos sudedamosios dalies.
Aukštas automatizavimo laipsnis, geresnis defektų nustatymo tikslumas ir atkuriamumas
Kita vertus, giluminio mokymosi modelis, skirtas grūdelių dydžio nustatymui, gali būti naudojamas savavališkai dideliems komponentų plotams įvertinti ir pasižymi dideliu tikslumu bei idealiu atkuriamumu. Kad tai būtų pasiekta, modeliui buvo pateikti vaizdo duomenys, kurie anksčiau buvo klasifikuojami ekspertų. Šie pramonės partnerio vaizdai buvo naudojami modeliui išmokyti atpažinti ir klasifikuoti plieno mikrostruktūras.
Naujovė yra ta, kad grūdelių dydį galima įvertinti nuosekliai objektyviai ir automatizuotai. Duomenims būdingas anotacinis triukšmas, nes metalografai skirtingai vertina grūdelių dydžius. Tačiau optimizuojant modelį išfiltruojamas triukšmas, ty klaidingas įvertinimas. Nuolat gaudamas vaizdus, su anotuotas per didelis ir nepakankamai įvertintas grūdelių dydis, modelis išmoksta vidutinį vaizdą ir yra išmokytas patikimiau vertinti mikrostruktūras.
„Šiuo atveju mokymams nereikia nei išskirtinai švarių duomenų, nei didelių duomenų kiekių“, – sako Fraunhofer IWM mokslininkas daktaras Ali Riza Durmaz. Dr. Durmazo ir jo komandos sukurta žiniatinklio programa vizualizuoja rezultatus. Šiame procese paaiškinami dirbtinio intelekto metodai užtikrina didesnį modelio sprendimų priėmimo proceso skaidrumą.
Kuo mažesnis grūdelių dydis, tuo stipresnis plienas
Gilaus mokymosi modelis naudojamas mikrostruktūrų vaizdams klasifikuoti į skirtingus grūdelių dydžio diapazonus. „Riedėjimo guoliai turi atitikti mikrostruktūrinius reikalavimus, o tai reiškia, kad grūdeliai neturi viršyti tam tikro dydžio. Kuo mažesnis grūdelių dydis, tuo didesnis plieno stiprumas”, – aiškina D. Durmaz. Kuo didesnis smulkių grūdelių skaičius, tuo didesnis grūdelių ribų tankis, ty grūdų kontaktiniai paviršiai.
Didelis grūdėtumo ribų tankis apsaugo nuo plastinių komponentų deformacijų net esant labai didelėms apkrovoms. Net jei medžiaga būtų šiek tiek, bet visam laikui deformuota, guolis nebeveiktų sklandžiai, pablogėtų trinties savybės, taip pat energijos vartojimo efektyvumas.
Be grūdelių dydžio, giluminio mokymosi modelis taip pat gali atskirti martensitines ir bainines būsenas, taip pat skirtingus plieno lydinius (100Cr6 ir C56 šeimų variantus). Modelis šiuo metu diegiamas pramoninėje Schaeffler Technologies aplinkoje. Tai suteikia pramonės partneriui sistemą, kuri gali būti naudojama pramoniniuose procesuose, siekiant AI pagrindu automatizuotu būdu nustatyti riedėjimo guolių defektus su anksčiau nepasiektu atkuriamumu.
Darbo eiga, apimanti AI modelio pritaikymą konkrečioms medžiagoms, susiejimą su vaizdo apdorojimu ir modelio įterpimą į patogias sąsajas, gali būti lengvai perkelta į kitas taikymo sritis. „Mūsų gilaus mokymosi modelis atveria kelią dirbtiniu intelektu pagrįstai ir automatizuotai kvalifikacijai, pavyzdžiui, bet kokioje situacijoje, kai saugai svarbūs komponentai yra veikiami didelės ir ciklinės apkrovos, pavyzdžiui, elektrinės pavaros komponentai arba transporto priemonių B statramstis“, – sakė Durmazas. daro išvadą.
Citata: naudojant giluminį mokymąsi siekiant objektyviai klasifikuoti plieno medžiagas (2023 m. spalio 4 d.), gauta 2023 m. spalio 5 d. iš https://techxplore.com/news/2023-10-deep-steel-materials.html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.