А.Р. Бестугин1, Е.А. Гущина2, Е.А. Фролова3

1-3 Санкт-Петербургский государственный университет аэрокосмического приборостроения (Санкт-Петербург, Россия)

1 fresguap@mail.ru; 2guschina_guap@mail.ru; 3frolovaelena@mail.ru

Постановка проблемы. Современные методы определения оптимального состава полимерных композиционных материалов основаны на многоэтапных экспериментальных исследованиях, требующих значительных временных, финансовых и трудовых ресурсов. Традиционный подход к исследованию свойств материала предполагает проведение большого количества лабораторных испытаний для подбора компонентов и их соотношений, что приводит к высоким затратам и увеличивает экологическую нагрузку за счет потребления энергии, химических реагентов и образования отходов. В связи с этим актуальной задачей является разработка альтернативных методов диагностики состава материалов, позволяющих сократить объем экспериментальных исследований без потери точности прогнозирования свойств материалов.

Цель. Разработать методику автоматизированного подбора и диагностики составов полимерных композитов, позволяющую существенно сократить количество испытаний и минимизировать временные и финансовые затраты.

Результаты. Представлена модель, использующая методы машинного обучения и статистического анализа для определения состава полимерных композиционных материалов на основе набора экспериментальных данных. Отмечено, что предложенный подход демонстрирует высокую эффективность, позволяя сократить количество необходимых испытаний в 19 раз по сравнению с традиционными методами. Установлено, что применение данной методики обеспечивает значительную экономическую выгоду, снижая стоимость исследований с 17-73 млн руб. до 0,9-4 млн руб. в зависимости от сложности состава композиционного материала. Существенно уменьшена экологическая нагрузка - выбросы CO₂ в процессе разработки методики сокращаются с 605 до 32 кг на один исследовательский цикл. Для практической реализации методики создан специализированный программный интерфейс, который обеспечивает удобный ввод исходных данных, автоматизированный подбор оптимальных составов и наглядную визуализацию получаемых результатов.

Практическая значимость. Предложенная методика позволяет значительно ускорить создание новых полимерных композитов с заданными свойствами, что особенно востребовано в авиастроении, автомобилестроении и медицине. Снижение затрат на НИОКР делает технологию доступной для малых и средних предприятий, а минимизация экологического воздействия соответствует принципам устойчивого развития. Рассмотренный программный продукт легко интегрируется в существующие системы автоматизированного проектирования, обеспечивая быстрое внедрение в производственные процессы.

Бестугин А.Р., Гущина Е.А., Фролова Е.А. Методика диагностики состава полимерных композиционных материалов // Радиотехника. 2025. Т. 89. № 5. С. 166–172. DOI: https://doi.org/10.18127/j00338486-202505-18

1. Семин А.Ю., Скопинова А.В., Плешанов А.Н. Анализ конструктивных решений, применяемых при проектировании бортовых регистраторов космических систем глобального мониторинга // Радиотехника. 2023. Т. 87. № 4. С. 32-35. DOI: https://doi.org/10.18127/j00338486-202304-05.
2. Mason R.D., Lind D.A. Statistical techniques in business and economics. Irwin/McGraw Hill. 1999. 791 p.
3. Zhao J., Ramos N. M. M., Simoes M. L., et al. Application of clustering technique for definition of generic objects in a material database // Journal of Building Physics. 2015. V. 39. № 2. P. 124-146.
4. Jiang Z., Zhang Z., Friedrich K. Prediction on wear properties of polymer composites with artificial neural networks // Composites Science and Technology. 2007. V. 67. № 2. P. 168-176.
5. Hamidi Y.K., Berrado A., Altan M.C. Machine learning applications in polymer composites // AIP Conference Proceedings. AIP Publishing. 2020. V. 2205. № 1.
6. Tao L., Chen G., Li Y. Machine learning discovery of high-temperature polymers // Patterns. 2021. V. 2. № 4. P. 100225.
7. ГОСТ 11262-2017 (ISO 527-2:2012) Пластмассы. Метод испытания на растяжение. М.: Стандартинформ. 2018. 20 с.
8. Комаровская А.С. Воздействие предприятия по переработке отходов пластика на атмосферный воздух // Материалы XVI Междунар. науч.-практич. конф. студентов, аспирантов и молодых ученых «Машеровские чтения». Витебск. 2022. Т. 1.
9. Устойчивое развитие [электронный ресурс] URL: https://www.un.org/sustainabledevelopment/sustainable-consumption-production/ дата обращения 14.04.2025
10. Гущина Е.А. Проектирование базы данных полимерных композитных материалов // Вестник Казанского гос. технич. ун-та им. А.Н. Туполева. 2024. № 2. С. 46-49.
11. ГОСТ 14236-81 Пленки полимерные. Метод испытания на растяжение. М.: Издательство стандартов. 1981. 10 с.
12. ГОСТ 33693-2015 (ISO 20753:2008) Пластмассы. Образцы для испытания. М.: Стандартинформ. 2016. 16 с.
13. ГОСТ 12423-2013 (ISO 291:2008) Пластмассы. Условия кондиционирования и испытания образцов (проб). М.: Стандарт-информ, 2014. 8 с.