Машинне навчання як інструмент уточнення моделей дифузійного спікання кераміки Al2O3
Loading...
Files
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
ЦНТУ
Abstract
У статті досліджено адаптацію класичних моделей дифузійного спікання Al2O3 за допомогою машинного навчання. Шляхом оптимізації параметрів класичних рівнянь (n=2, Q=451 кДж/кг) вдалося суттєво знизити похибку розрахунків. Найкращі результати показав алгоритм Random Forest Regressor (R²=0,91), який враховує нелінійні ефекти та мінімізує відхилення до 1,74 мкм. Поєднання фізики дифузії з машинним навчанням дозволяє створювати надійні цифрові двійники для керування структурою кераміки. The primary objective of this research is to evaluate the predictive accuracy of classical deterministic models versus machine learning algorithms in determining the final grain size of alumina ceramics ets.
Description
Keywords
індустрія 4.0, спікання, кінетика дифузії, машинне навчання, Industry 4.0, sintering, diffusion kinetics, machine learning
Citation
Ковальов Ю. Г., Ковальов С. Г., Євменьєв І. Р. Машинне навчання як інструмент уточнення моделей дифузійного спікання кераміки Al2O3 // Центральноукраїнський науковий вісник. Технічні науки. Кропивницький : ЦНТУ, 2026. Вип. 14(45). С. 185-193.