| Название НИОКТР |
Разработка износостойких металлуглеродных покрытий методами ионно-плазменного синтеза на основе применения алгоритмов машинного обучения для триботехнического использования в транспортных и технологических системах
|
| Аннотация |
Научная проблема, на решение которой направлен проект, состоит в необходимости установления фундаментальных закономерностей между параметрами эксперимента вакуумного нанесения PVD покрытий и их результирующими свойствами. Неустойчивость неравновесной ионно-плазменной среды и мультипараметричность процесса являются серьезными препятствиями для трансфера технологий и их промышленного освоения. Помимо известных преимуществах применения функциональных покрытий на изнашиваемых контактных поверхностях узлов трения, актуальность решения этой проблемы состоит в выработке и применении стратегии интеллектуального управления мультипараметричностью ионно-плазменной технологии с помощью алгоритмов машинного обучения.
Современные цифровые технологии обработки больших объёмов данных на основе методов классического и глубокого машинного обучения создают возможности для разработки новых подходов к решению поставленной выше научной проблемы. Опыт работы научного коллектива проекта по использованию таких подходов в процессе исследования ионно-плазменных покрытий различных типов позволил освоить цифровые инструменты для работы с формируемыми базами экспериментальных данных. Эксперименты вакуумного напыления являются трудоёмкими и времязатратными. Для уменьшения их количества при построении модели прогнозирования и оптимизации параметров экспериментов использованы как классические подходы дизайна эксперимента (DoE), так и современные методы высокопроизводительного скрининга (HTE) и адаптивного сэмплирования. Полученные коллективом результаты сформировали научно-технологическую основу для построения перспективной стратегии проектирования износостойких покрытий и её прикладного использования. Стратегия включает построение модели машинного обучения для прогнозирования свойств покрытий и направлена на синтез и внедрение новых материалов и покрытий значительно быстрее и дешевле по сравнению с традиционными наукоемкими экспериментально ориентированными методами.
В качестве объекта исследований в проекте выбраны углеродные алмазоподобные покрытия (DLC). Перспективы их развития в рамках проекта связаны с легированием покрытий этого класса атомами
переходных металлов и стабилизирующих элементов, а также с формированием многослойных композиций на основе DLC с градиентным распределением состава и свойств. Интеллектуальный анализ формируемой базы экспериментальных данных методами машинного обучения направлен, прежде всего, на сокращение числа требуемых экспериментов при сохранении качества прогностических моделей, а также на извлечение фундаментальных закономерностей между дескрипторами эксперимента и функциональными свойствами создаваемых покрытий.
Научная новизна проекта состоит в создании интеллектуальной системы управления синтезом легированных DLC-покрытий на основе реализации стратегии их проектирования, включающей современные методы машинного обучения. Важной особенностью проекта является исследование трибологического поведения синтезированных металл-углеродных покрытий класса DLC в широком интервале температур (-70С…+200С) с использованием имеющегося уникального трибологического комплекса.
Прикладное значение работы состоит в использовании разработанной интеллектуальной системы управления в условиях производственного цикла в виде программного продукта для целенаправленного формирования функциональных покрытий с заданным комплексом механических, адгезионных, триботехнических характеристик для конкретных условий эксплуатации, включая криогенные температуры.
|
| Доступ к ОКОГУ исполнителя |
False
|
| Количество связанных РИД |
0
|
| Количество завершенных ИКРБС |
0
|
| Сумма бюджета |
21000.0
|
| Дата начала |
2025-05-28
|
| Дата окончания |
2027-12-31
|
| Номер контракта |
25-19-00304
|
| Дата контракта |
2025-05-28
|
| Количество отчетов |
3
|
| УДК |
531.43/.46; 539.62; 621.891; 621.89
|
| Количество просмотров |
4
|
| Руководитель работы |
Колесников Игорь Владимирович
|
| Руководитель организации |
Гуда Александр Николаевич
|
| Исполнитель |
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "РОСТОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ"
|
| Заказчик |
Российский научный фонд
|
| Федеральная программа |
Отсутствует
|
| Госпрограмма |
—
|
| Основание НИОКТР |
Грант
|
| Последний статус |
2025-12-09 14:40:29 UTC, 2025-12-09 14:40:29 UTC
|
| ОКПД |
Услуги (работы), связанные с научными исследованиями и экспериментальными разработками в области технических наук и в области технологий, прочие, не включенные в другие группировки, кроме биотехнологии
|
| Отраслевой сегмент |
—
|
| Минздрав |
—
|
| Межгосударственная целевая программа |
—
|
| Ключевые слова |
машинное обучение; нейросети; износостойкость; трибосистема; трибологические свойства; контактное взаимодействие; наноматериалы на основе углерода; алмазоподобные покрытия; композиционные покрытия; Вакуумная ионно-плазменная технология
|
| Соисполнители |
—
|
| Типы НИОКТР |
Фундаментальное исследование
|
| Приоритетные направления |
—
|
| Критические технологии |
—
|
| Рубрикатор |
55.03.11 - Трение, износ, смазка
|
| OECD |
—
|
| OESR |
Композитные материалы (включая ламинаты, армированные пластмассы, металлокерамику, комбинированные ткани из натуральных и синтетических волокон; наполненные композиты)
|
| Приоритеты научно-технического развития |
а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;
|
| Регистрационные номера |
ikrbs: {'card_list': [{'id': 'OB1JS524YDRMH9U1G7F6P9SW'}]}
|
