このアイテムの引用には次の識別子を使用してください: http://elartu.tntu.edu.ua/handle/lib/43275
完全メタデータレコード
DCフィールド言語
dc.contributor.advisorДідич, Ірина Степанівна-
dc.contributor.advisorDidych, Iryna-
dc.contributor.authorЧерняк, Дмитрій Віталійович-
dc.contributor.authorCherniak, Dmytrii-
dc.date.accessioned2024-01-02T18:29:20Z-
dc.date.available2024-01-02T18:29:20Z-
dc.date.issued2023-12-30-
dc.identifier.citationЧерняк Д.В. Застосування методів машинного навчання для прогнозування діаграм втомного руйнування алюмінієвих сплавів : кваліфікаційна робота магістра за спеціальністю „151 — автоматизація та комп’ютерно-інтегровані технології“ / Д.В. Черняк. — Тернопіль : ТНТУ, 2023. — 75 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/43275-
dc.descriptionРоботу виконано на кафедрі ком’пютерно-інтегрованих технологій Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України Захист відбудеться 30 грудня 2023 р. о 09 .00 годині на засіданні екзаменаційної комісії № 20 у Тернопільському національному технічному університеті імені Івана Пулюя за адресою: 46001, м. Тернопіль, вул.Руська, 56, навчальний корпус №1, ауд. 403uk_UA
dc.description.abstractЗастосування методів машинного навчання для прогнозування діаграм втомного руйнування алюмінієвих сплавів. 151 – «Автоматизація та комп’ютерно-інтегровані технології» – Тернопільський національний технічний університет імені Івана Пулюя. – Тернопіль, 2023. Кваліфікаційна робота присвячена моделюванню діаграм втомного руйнування різними методами машинного навчання, а саме, нейронними мережами, підсиленими деревами, випадковими лісами, опорно-векторними машинами, k-найближчими сусідами Cherniak D.V.. – The use of machining learning methods in diagram forecasting of aluminum alloys fatigue failure. 151 - "Automation and computer-integrated technologies" - Ternopil Ivan Puluj National Technical University. - Ternopil, 2023. The qualification work is devoted to the modeling of fatigue failure diagrams by various machine learning methods, namely, neural networks, boosted trees, random forests, support-vector machines, k-nearest neighbors.uk_UA
dc.description.tableofcontentsВСТУП 10 РОЗДІЛ 1. АНАЛІТИЧНА ЧАСТИНА 12 1.1 Втомне руйнування 12 1.2 Кінетична діаграма втомного руйнування матеріалів 14 1.3 Огляд основних рівнянь для опису швидкості РВТ 16 1.4 Роль асиметрії циклу навантаження……………………………………… РОЗДІЛ 2. ТЕХНОЛОГІЧНА ЧАСТИНА 20 2.1 Огляд сучасних досягнень у використанні машинного навчання для аналізу втоми матеріалів 12 2.2 Роль машинного навчання у дослідженні втоми матеріалів 14 РОЗДІЛ 3. КОНСТРУКТОРСЬКА ЧАСТИНА 23 3.1 Опис алгоритмів штучного інтелекту 25 3.2 Вибір та обгрунтування методів машинного навчання 23 3.3 Архітектура нейронних мереж 26 3.4 Алгоритм підсилених дерев 32 3.5 Метод випадкових лісів 36 3.6 Метод к-найближчих сусідів 39 3.7 Метод опорно-векторних машин 40 РОЗДІЛ 4. НАУКОВО-ДОСЛІДНА ЧАСТИНА 43 4.1 Процес збору, обробки та підготовки даних для моделювання 43 4.2 Поділ даних на навчальний та тестовий набори 44 4.3 Прогнозування діаграм втомного руйнування алюмінієвого сплаву Д16Т…………………………………………………………………………………44 4.4 Аналіз результатів якості прогнозування 45 РОЗДІЛ 5. СПЕЦІАЛЬНА ЧАСТИНА 51 5.1 Реалізація та навчання моделей на підготовлених даних 51 РОЗДІЛ 6. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 65 6.1 Характеристика шкідливих факторів виробничого середовища 65 6.2 Забезпечення безпеки життєдіяльності при роботі з ПК 67 ВИСНОВКИ 72 ПЕРЕЛІК ДЖЕРЕЛ 74 ДОДАТКИuk_UA
dc.language.isoukuk_UA
dc.publisherТернопіль, ТНТУuk_UA
dc.subject151uk_UA
dc.subjectавтоматизація та комп’ютерно-інтегровані технологіїuk_UA
dc.subjectштучний інтелектuk_UA
dc.subjectдіаграма втомного руйнуванняuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectнейронні мережіuk_UA
dc.subjectartificial intelligenceuk_UA
dc.subjectfatigue crack growth diagramuk_UA
dc.subjectmachine learninguk_UA
dc.subjectmethod of k-nearest neighborsneural networksuk_UA
dc.subjectbooster treesuk_UA
dc.subjectrandom forestsuk_UA
dc.subjectsupport-vector machineuk_UA
dc.subjectfatigue crack growthuk_UA
dc.subjectпідсилені дерева-
dc.subjectвипадкові ліси-
dc.subjectметод к-найближчих сусідів-
dc.subjectметод опорно - векторних машин-
dc.subjectріст втомної тріщини-
dc.titleЗастосування методів машинного навчання для прогнозування діаграм втомного руйнування алюмінієвих сплавівuk_UA
dc.title.alternativeThe use of machine learning methods in diagram forecasting of aluminum alloys fatigue failureuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holderЧерняк Д.В., 2023uk_UA
dc.contributor.committeeMemberДмитрів, Олена Романівна-
dc.contributor.committeeMemberDmytriv, Olena-
dc.coverage.placenameТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.format.pages75-
dc.subject.udc004.03.8uk_UA
dc.relation.referencesЯсній П.В. Пластично деформовані матеріали: втома і тріщиностійкість. Львів: Світ, 1998. 292 p.uk_UA
dc.relation.references2. Kuna M. Finite Elements in Fracture Mechanics: Theory-Numerics-Applications. Springer, 2013. 446 p.uk_UA
dc.relation.references3. Варфоломеев І.В., Ясній.О.П. Моделювання руйнування імовірнісними методами елементів конструкцій з тріщинами // Фіз.-хім. механіка матеріалів. 2008. Vol. 44, № 1. P. 76–83.uk_UA
dc.relation.references4. Ясній О.П., Собчак.А.Р., Ясній В.П. Оцінювання ймовірності руйнування колектора пароперегрівника // Фіз.-хім. механіка матеріалів. 2014. Vol. 50, № 3. P. 63–68.uk_UA
dc.relation.references5. Paris P.C. The growth of fatigue cracks due to variations in load : Ph.D.Thesis. Lehight University, 1962. 263 p.uk_UA
dc.relation.references6. Осташ О.П., Панасюк В.В. До питання про зародження втомних макротріщин у зразках із надрізом // Проблемы прочности. 2000. № 5. P. 19–33.uk_UA
dc.relation.references7. Alpayndin E. Introduction to Machine Learning // The Knowledge Engineering Review. 2010. Vol. 25, № 3. P. 353–353.uk_UA
dc.relation.references8. Robin C., Louagh M., Pluvinage G. Influence of an overload on the fatigue crack growth in steels // Fatigue of Eng. Mater. And Struct. 1983. Vol. 6, № 1. P. 1–13.uk_UA
dc.relation.references9. Haykin S. Neural Networks - A Comprehensive Foundation - Simon Haykin. McMaster University, Hamilton, Ontario, Canada, 2006. P. 823.uk_UA
dc.relation.references10. Wasserman Ph.D. Neural Computing: Theory and Practice. New York: Coriolis Group (Sd), 1989.uk_UA
dc.relation.references11. Gentleman R., Hornik K., Parmigiani G. Series Editors.uk_UA
dc.relation.references12. Mitchell T.M. Machine learning. London: McGraw-Hill Science/Engineering/Math, 1997.uk_UA
dc.relation.references13. Шаховська Н.Б., Камінський Р.М., Вовк О.Б. Системи штучного інтелекту: навч. посібник. Львів: Видавництво Львівської політехніки, 2018. 392 p.uk_UA
dc.relation.references14. Smola A., Vishwanathan S.V.N. Introduction to Machine Learning. Cambridge University Press, 2010.uk_UA
dc.relation.references15. Pidaparti R.M.V., Palakal M.J. Neural network approach to fatigue-crack-growth predictions under aircraft spectrum loadings // J Aircr. 1995. Vol. 32, № 4. P. 825–831.uk_UA
dc.relation.references16. Mohanty J.R. et al. Application of artificial neural network for predicting fatigue crack propagation life of aluminum alloys // Archives of Computational Materials Science and Surface Engineering. 2009. Vol. 1, № 3. P. 133–138.uk_UA
dc.relation.references17. Ясній О.П. et al. Прогнозування діаграм втомного руйнування алюмінієвого сплаву Д16Т методами машинного навчання // Фізико-хімічна механіка матеріалів. 2018. Vol. 54, № 3. P. 43–48.uk_UA
dc.relation.references18. Didych I. et al. Evaluation of structural elements lifetime by neural network // Acta Metallurgica Slovaca. 2018. Vol. 24, № 1. P. 82–87.uk_UA
dc.relation.references19. Ясній П., Пиндус Ю., Фостик В. Вплив асиметрії циклу навантаження на характеристики циклічної тріщиностійкості алюмінієвого сплаву Д16Т // Вісник Тернопільськ. держ. техн. ун-ту. 2007. Vol. 12, № 1. P. 7–12.uk_UA
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюя, кафедра комп'ютерно-інтегрованих технологійuk_UA
dc.coverage.countryUAuk_UA
出現コレクション:151 — автоматизація та комп’ютерно-інтегровані технології, 174 Автоматизація, комп’ютерно-інтегровані технології та робототехніка

このアイテムのファイル:
ファイル 記述 サイズフォーマット 
Mahisterska_robota_Cherniak_D_2023.pdfКваліфікаційна робота магістра2,66 MBAdobe PDF見る/開く
Avtorska_dovidka_Cherniak_D_2023.pdfАвторська довідка522,02 kBAdobe PDF見る/開く


このリポジトリに保管されているアイテムはすべて著作権により保護されています。

管理ツール