Нейросетевая модель вязкоупругих сред в режиме конечных деформаций

Исследована нейронная сеть с ассоциативной и наследственной памятью для моделирования напряженно-деформируемого по-ведения вязкоупругих сред. В качестве тестовой вязкоупругой среды выбран невулканизированный эластомерный композит на основе матрицы из натурального каучука (полиизопрен), наполненого 20 масс.% технического углерода (ТУ) марки N330, далее ПИ 330. Путем натурных экспериментов на реовискозиметре RS 150 (HAAKE, Германия) сформирована обучающая выборка в ви-де входных сигналов - градиентов деформации и целевых сигналов - касательных напряжений. Для идентификации построена нейронная сеть, аналогичная рекуррентной сети Элмана при 100 нейронах в рекуррентном слое. Путем обучения градиентным спуском с возмущением и адаптацией параметра скорости спуска заданное качество 10−3 обучения нейронной сети достигнуто за 638 итераций в течение 11 с на процессоре CORE i7. Произведено тестирование нейросети для исследования свойств обобщения обучающего материала. Показано, что при подаче на вход сигнала, не принадлежащего обучающей выборке, на выходе нейро-сети воспроизводится сигнал, почти всюду совпадающий с экспериментальным сигналом в равномерной метрике, т.е. нейросеть обобщает обучающий материал. Установлено, что нейросеть воспроизводит функцию нелинейной зависимости величин амплитуд касательных напряжений от амплитуд градиента деформаций, не требуя никакой дополнительной априорной информации о виде и свойствах нелинейности. Отмечено, что указанные свойства нейросети недоступны известным феноменологическим моделям, построенным на основе интегральных и дифференциальных уравнений.