Методы синтеза и предиктивного анализа гидромеханических триботронных систем с использованием машинного обучения
| Название НИОКТР | Методы синтеза и предиктивного анализа гидромеханических триботронных систем с использованием машинного обучения |
|---|---|
| Аннотация | Проект 2025 года направлен на комплексное расширение и совершенствование созданной при выполнении Проекта 2022 года методологической и инструментальной базы для решения задач оптимального синтеза и предиктивного анализа триботронных опор (ТТО) роторов, создание которой, главным образом, формирует научную проблематику проекта. Задачи Проекта 2025 года решают вновь возникшие аспекты научной проблемы, выявленные при реализации предыдущего этапа, обеспечивая таким образом дальнейшее развитие полученных научных результатов. Новый этап проекта должен как повысить эффективность, так и расширить сферу применимости методологических и инструментальных средств решения рассмотренных задач, а также привести их характеристики в соответствие с объективными требованиями к обеспечению их последующего практического внедрения в хозяйственную деятельность предприятий. Научная новизна запланированных к решению задач проекта также позволит обеспечить комплексное развитие научного метода не только в рамках его проблематики и предметной области, но и за ее пределами, в области методологии инженерных и информационных наук. Совокупность указанных факторов обусловливает сохранение научной и практической актуальности тематики исследования. При выполнении проекта методическая база решения задач оптимального проектирования ТТО роторов будет совершенствоваться в направлении повышения вычислительной эффективности применяемых методов и алгоритмов и решения задач комбинированного структурно-параметрического синтеза, включая исследование вопросов применения методов обучения с подкреплением для решения такого класса задач. Упомянутая методическая база также будет адаптирована к применению для демпфирующих и уплотнительных устройств в составе опор роторов. Наконец, будет сформирована база верифицированных математических и программных моделей компонентов ТТО для реализации в их отношении процедур оптимального проектирования. В части задач синтеза оптимальных регуляторов ТТО будет создана методическая и инструментальная базы для реализации трансферного обучения моделей и регуляторов ТТО для их адаптации к фактическим свойствам целевых роторноопорных систем, а также реализован комплекс иных мер для перехода к "более интерпретируемых моделям", синтезируемым на основе методов машинного обучения и искусственного интеллекта. Проект также включает в себя задачи по адаптации методологического аппарата предиктивного анализа ТТО роторов для решения задач оценки состояния и остаточного ресурса опор с функциональными покрытиями. Разработанная при выполнении проекта методологические и инструментальные средства будут проходить экспериментальную апробацию и, при необходимости, корректироваться с учетом ее результатов. Запланированные к получению результаты должны внести вклад в развитие: методов моделирования сложных нелинейных и мультифизических систем на основе больших объемов данных; методов синтеза оптимального робастного управления на основе машинного обучения и искусственного интеллекта; методов построения предиктивных моделей ТТО на основе гибридизации численных и основанных на данных методов. Направленность на решение некоторых принципиальных проблем в предметной области проекта и в соответствующей методологической базе обусловливает, с одной стороны, научную новизну запланированных к получению результатов, а с другой – их практическую направленность и применимость к решению актуальных научно-технических задач и проблем. |
| Доступ к ОКОГУ исполнителя | False |
| Количество связанных РИД | 1 |
| Количество завершенных ИКРБС | 0 |
| Сумма бюджета | 14000.0 |
| Дата начала | 2025-06-10 |
| Дата окончания | 2026-12-31 |
| Номер контракта | 22-19-00789-П |
| Дата контракта | 2025-06-10 |
| Количество отчетов | 2 |
| УДК | 621:51-7; 621:007 |
| Количество просмотров | 7 |
| Руководитель работы | Савин Леонид Алексеевич |
| Руководитель организации | Радченко Сергей Юрьевич |
| Исполнитель | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "ОРЛОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМЕНИ И.С. ТУРГЕНЕВА" |
| Заказчик | Российский научный фонд |
| Федеральная программа | Отсутствует |
| Госпрограмма | — |
| Основание НИОКТР | Грант |
| Последний статус | 2025-10-14 08:36:14 UTC, 2025-10-14 08:36:14 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 | УПРАВЛЕНИЕ; ТРИБОТРОННЫЕ ОПОРЫ РОТОРОВ; АКТИВНЫЕ ПОДШИПНИКИ ЖИДКОСТНОГО ТРЕНИЯ; ВЯЗКОЕ ТРЕНИЕ; РАСХОД СМАЗОЧНОГО МАТЕРИАЛА; МИНИМИЗАЦИЯ ЭНЕРГОЗАТРАТ |
| Соисполнители | — |
| Типы НИОКТР | Фундаментальное исследование |
| Приоритетные направления | — |
| Критические технологии | — |
| Рубрикатор | 55.01.77 - Методы исследования и моделирования. Математические и кибернетические методы |
| OECD | — |
| OESR | Прикладная механика |
| 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 | nioktr: {'id': 'NK1P328VBBDOHOQODW1OEGUK'} |
