Разработка износостойких металлуглеродных покрытий методами ионно-плазменного синтеза на основе применения алгоритмов машинного обучения для триботехнического использования в транспортных и технологических системах

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.