Comparative Analysis of a Numerical Method and Machine Learning Methods of Temperature Determination of a Doped Lubricating Layer with Experimental Data

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

This article compares machine learning methods and a numerical method of determination of the doped lubricating layer with experimental data. Based on the sweep method, the one-dimensional Fourier heat equation with boundary and initial conditions is solved. As a result of comparing numerical and predictive data with experiments, it can be concluded that machine learning models are better at predicting results compared to numerical data

Авторлар туралы

A. Tokhmetova

Mechanical Engineering Research Institute of the Russian Academy of Sciences

Email: aygerim.tokhmetova@mail.ru
101990, Moscow, Russia

A. Albagachiev

Mechanical Engineering Research Institute of the Russian Academy of Sciences

Хат алмасуға жауапты Автор.
Email: aygerim.tokhmetova@mail.ru
101990, Moscow, Russia

Әдебиет тізімі

  1. Zheng Z., Guo Z., Liu W. et al. Low friction of superslippery and superlubricity // A review. Friction. 2023. V. 11. P. 1121.
  2. Meng Y., Xu J., Ma L. et al. A review of advances in tribology // In 2020–2021. Friction. 2022. V. 10. P. 1443.
  3. Буяновский И.А., Хрущов М.М., Самусенко В.Д. Алмазоподобные углеродные покрытия: трибологическое поведение при граничной смазке. Часть II. Смазка химически модифицированным слоем // Материаловедение. 2021. № 10. С. 3.
  4. Kim B.K., Hyun J.S., Kim Y.H. et al. Effect of Boundary Layer Modification and Enhanced Thermal Characteristics on Tribological Performance of Alumina Nanofluids Dispersed in Lubricant Oil // Experimental Techniques. 2022. № 47. P. 737.
  5. Duan L., Li J., Duan H. Nanomaterials for lubricating oil application // A review. Friction. 2023. V. 11. P. 647.
  6. Тохметова А.Б., Михеев А.В., Тананов М.А. Исследования трибологических свойств моторного масла с содержанием фуллеренов // Проблемы машиностроения и надежности машин. 2022. № 4. С. 108.
  7. Тухтаров А.Р., Хузин А.А., Джемилев У.М. Фуллеренсодержащие смазочные материалы: достижения и перспективы (обзор) // Нефтехимия. 2020. № 1. С. 125.
  8. Strohmaier A., Waters A. Analytic properties of heat equation solutions and reachable sets // Math. Z. 2022. V. 302. P. 259.
  9. Hancock J.T., Khoshgoftaar T.M. CatBoost for big data: an interdisciplinary review // J Big Data. 2020. V. 7. P. 94.
  10. Шрам В.Г., Агафонов Е.Д., Лысянников А.В., Лысянникова Н.Н. Прогноз термоокислительных свойств смазочного масла с использованием методов машинного обучения // Известия Тульского государственного университета. Технические науки. 2018. № 12. С. 576.

Қосымша файлдар


© А. Тохметова, А.Ю. Албагачиев, 2023

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).