ЧИСЛЕННОЕ МОДЕЛИРОВАНИЕ И МАШИННОЕ ОБУЧЕНИЕ В ПРОГНОЗИРОВАНИИ СВОЙСТВ БАРИТОВЫХ КОМПОЗИТОВ: КОМПЛЕКСНЫЙ АНАЛИЗ
Ключевые слова:
баритовый композит, численное моделирование, метод конечных элементов, машинное обучение, гомогенизация, механические свойства, радиационная защита, микроструктура, оптимизацияАннотация
В данной работе представлен комплексный анализ современных подходов к численному моделированию процессов получения и прогнозирования свойств баритовых композитов на цементной основе. Проведен детальный литературный обзор за последние два десятилетия, выделяющий ключевые тенденции в применении метода конечных элементов (МКЭ) и методов Монте-Карло для оценки механических и радиационно-защитных характеристик. Особое внимание уделено влиянию объемной доли барита на такие свойства композита, как модуль Юнга и коэффициент Пуассона. Подчеркнута возрастающая роль гомогенизационного подхода и мультифизического моделирования для учета реальной микроструктуры материала. В работе также исследуется перспективное направление интеграции численных методов с алгоритмами машинного обучения для создания высокоточных суррогатных моделей, позволяющих значительно сократить вычислительные затраты и оптимизировать состав композитов. Отмечается, что, несмотря на значительный прогресс, проблема строгой верификации моделей экспериментальными данными остается актуальной. Результаты анализа демонстрируют нелинейную зависимость механических свойств от содержания барита и формируют основу для интеллектуального проектирования материалов с заданными эксплуатационными характеристиками.
Библиографические ссылки
Agarwal, B. D., Broutman, L. J., & Chandrashekhara, K. (2006). Analysis and Performance of Fiber Composites (3rd ed.). John Wiley & Sons.
Ташполотов Ы., Акназар уулу К. Разработка новых композиционных материалов на основе барита // Бюллетень науки и практики. 2025. Т. 11. №5. С. 118-125.
Abbas, M. A., Alyan, E., & Alshibli, K. (2017). 3D finite element simulation of the mechanical behavior of synthetic sand-barium sulfate composites. Granular Matter, 19(4), 74
Abbas, S., Hussain, S., Kazmi, S. M. S., Munir, M. J., & Shahzada, K. (2017). Prediction of elastic properties of barite aggregate concrete using finite element homogenization. Construction and Building Materials, 157, 1030-1041.
Zhang, Z., Qian, C., Huang, H., & Zhou, W. (2015). Fracture behavior of heavyweight concrete containing barite aggregate. Engineering Fracture Mechanics, 134, 170-184.
Singh, V. P., & Badiger, N. M. (2015). Gamma ray and neutron shielding properties of some alloy materials. Annals of Nuclear Energy, 74, 184-189.
El-Sayed Abdo, A., El-Khatib, A. M., & Badawi, E. E. (2012). Gamma-ray shielding of concretes containing barite and steel slags. Annals of Nuclear Energy, 49, 196-201.
Li, Y., Zhang, H., Liu, Y., & Wang, W. (2019). A numerical simulation of elastic properties of the particle-filled polymer composites with various particle geometries. Journal of Polymer Engineering, 39(7), 661-670.
Al-Kutti, W., Islam, A. B. M. S., & Nasir, M. (2023). A state-of-the-art review on the integration of machine learning with computational mechanics for concrete materials. Journal of Building Engineering, 76, 107262.
Akkurt, I., Basyigit, C., Kilincarslan, S., & Beycioglu, A. (2010). Prediction of photon attenuation coefficients of heavy concrete by fuzzy logic. Journal of the Franklin Institute, 347(9), 1589-1597.
Gholhaki, M., Kafi, M. A., & Hajforoush, M. (2016). An investigation on the effect of porosity on the mechanical properties of foamed concrete. Journal of Building Engineering, 8, 206-215.
Silva, R. V., Spinelli, D., & Bose Filho, W. W. (2010). Effects of porosity on the mechanical properties of a 2014Al alloy–SiCp composite. Journal of Materials Processing Technology, 210(14), 1946-1952.
Nguyen, T. T., Bui, H. H., & Nguyen, G. D. (2019). A multiscale framework for modelling mechanical behaviour of concrete based on micro-macro interactions. International Journal of Solids and Structures, 165, 19-33.
