ГОСТ Р 56232—2014
Е.2.4 Tax как нейронные сети, как правило, работают с достаточно малым количеством входных парамет
ров. а диаграммы вдавливания представлены поточечными графиками зависимости «глубина-сила», содержа
щими сотни и более точек, необходимо выбрать процедуру однозначного описания диаграмм вдавливания с ис
пользованием малого количества параметров. Одной из возможностей является использования полиномиальной
зависимости для аппроксимации диаграмм вдавливания, однако практика показывает, что данный подход дает
существенные погрешности. В данном примере для формализации диаграмм вдавливания используется сплайн
функция, составленная из полиномов Эрмига второй степени. При этом параметрами аппроксимации
диаграммы являются глубины вдавливания и углы наклона в узлах сплайн функции - дискретных значениях силы
вдавлива ния.
Е.2.5 В настоящем примере для аппроксимаций расчетных и экспериментальных диаграмм вдавливания
были выбраны уровни силы 10. 50. 150. 300. 500 Н в качестве узлов сплайн функции, а поиск оптимальных зна
чений выполнялся по методу минимизации среднеквадратической ошибки. Входными сигналами НС назначались
глубинывдавливанияотносительнопервогоузла:векторвходныхзначенийНСбудет
S = //дед//дедр//деМ/{дед, />дедд//дед, //деддАдед . Выходным значением НС в данном слу
чав будет являться значение предела текучести. Стоит отметить, что в НС. как правило, используются входные и
выходные сигналы, нормированные на интервал [0; 1]. Поэтому при работе сети входные сигналы масштабиру
ются до интервалов, используемых при обучении, а выходной сигнал преобразуется по обратному масштабу до
выходного интервала при обучении.
Е.2.6 Была построена нейронная сеть, содержащая входной слой с 4 нейронами, выходной спой с 1 ней
роном и три скрытых рабочих слоя по 5. 5 и 4 нейронов соответственно. Обучение и тестирования проводилось
на выборке, полученной с использованием МКЭ. а проверка работоспособности было проведено на эксперимен
тальных диаграммах кинетического вдавливания в образцы из сталей 08Х18Н10Т. 10ГН2МФА, 15Х2НМФА и
16ГС при различных термо-механических обработках. Целевые значения пределов текучести были получены в
лабораторных условиях по результатам испытаний на растяжения образцов из этих материалов. Как и в
основ ной методике пересчета, необходимо выполнять предварительную обработку экспериментальных
диаграмм вдавливания с целью нахождения нулевой точки и избавления от эффекта ползучести.
Е.2.7 В таблице Е.1 представлены результаты восстановления нейронной сетью пределов текучести и
расхождения по отношению к величинам, полученным при растяжении образцов.
Т а б л и ц а Е.1- Результаты обработки экспериментальных диаграмм вдав-ливания с помощью нейронной сети
Материал
Экспериментальное значе
Восстановленное значе
ние Ст, Мпание о 0 . Мпа
Расхождение
08Х18Н10(исходное)1821659%
08X18Н10 (термообработка 1)4954685%
08X18Н10 (термообработка 2)3773832%
10ГН2МФА(исходное)4564703%
10ГН2МФА (термообработка)5776157%
15Х2НМФА( исходное)6596285%
16ГС(исходное)6906614%
Е.З Нейросетевая методика в общей схеме обработки диаграмм вдавливания
Е.З Преимуществом нейросетевой методики является то. что расчетная процедура может быть унифици
рована без привязки к классу материала. С целью получения представительной выборки для нейросетевой ме
тодики в качестве исходных данных используются данные, полученные по феноменологической расчетной схеме и
путем численного моделирования. Для расчета рекомендуется использовать алгоритм, представленный на
рисунке Е.2.
31