ИИ помогает создать вечный двигатель
В одном из моих проектов стояла задача повысить надёжность механизма. Одна из ключевых проблем, снижающих срок его службы – износ. Решил разобраться, что предлагает наука для её решения, и заодно протестировать разные нейросетевые модели. О результатах рассказываю в этой статье.
Сейчас все говорят, что ChatGPT вот-вот заменит людей. Настолько он умный и универсальный. Но у меня доступа к нему нет: разработчики не работают в России, даже платные функции недоступны. В качестве альтернативы взял китайский DeepSeek – и оказалось, что это весьма интересный вариант. Он доступен и в браузере, и в виде мобильного приложения, причём история запросов синхронизируется между устройствами. И, что особенно приятно, он полностью бесплатный!
Подробности проекта, где требовалось повысить надёжность, раскрывать не буду. Вдруг нечаянно выдам что-то конфиденциальное. Да и вопросы к ИИ буду задавать в общем ключе – мало ли, кто-то захочет «позаимствовать» идеи. Пусть это будет условный «вечный двигатель» – не в смысле нарушения законов физики, а механизм, который мог бы работать без износа бесконечно долго.
Начал я общение с синим китёнком немного из далека:
Выдал он мне ответ из 5 общих направлений повышения стойкости к износу. В каждом ещё по 3-4 подраздела. Тут и работа с геометрией пары трения, и подбор материала контактирующих пар, и работа с поверхностными слоями. Есть рекомендации по учёту силовых и температурных нагрузок и указания на то, что смазки тоже надо подбирать. В целом, ничего нового. Но достаточно структурированно – можно себе чек-лист сделать, чтобы ничего не забыть. Из необычного, DeepSeek обратил внимание на то, что шероховатость должна быть оптимальной, но не обязательно минимальной! Это интересно. Прошу его уточнить.
И он выдал вполне интересную информацию. Напомнил про ГОСТ 2789-73 «Шероховатость поверхности», дал ссылки на полезные сайты, где есть даже калькуляторы по расчёту основных узлов механизмов: опоры, редукторов, передач и так далее. Нейронка информацию по шероховатости сама свела в компактную табличку – распечатывай и вешай себе на стенку.
Ещё выдала список типичных ошибок:
· Указание только верхнего предела шероховатости без нижнего (кроме цилиндров).
· Использование параметра Ra для поверхностей с периодическим профилем (например, после фрезерования), где Rz информативнее.
И список журналов по этой теме. Кстати, по шероховатости создана целая наука – трибология.
А что там с необычными способами снижения износа?
Тут ответ оказался похуже, чем я ожидал. Возможно, нейронка «устала» (встречал такую особенность у ИИ), либо я как-то обще промт написал. Начал давать ссылки на способы оценки «морального износа» оборудования, зданий и сооружений.
Но и в полученном результате я увидел для себя пользу. Много ссылок на исследования и разработки у железнодорожников: тормоза, пара «колесо-рельс». Действительно, нагрузки большие, ресурсы должны быть бешенными, а ещё все должно быть дёшево! Кое-что для изучения есть по ссылкам в области бурения скважин и в области разработки режущего инструмента.
Всё, что мне выдала нейронка по поводу повышения износостойкости пары трения, я собрал в виде майн-карты.
Заинтересовали меня самоорганизующиеся трибопокрытия. Поспрашивал я нейронку на эту тему и вышел на эффект Д.Н. Гаркунова: создание самоостанавливающейся плёнки в зоне контакта. Эта плёнка состоит в основном из меди. Ещё я узнал, как вода разрушает зону контакта в паре трения. И это не ржавчина!
Известно, что даже самая полированная поверхность имеет микронеровности. Когда в паре трения микронеровности двух трущихся поверхностей встречаются, то в этом месте выделяется очень много тепла. Этого тепла достаточно, чтобы разложить воду (а она есть почти всегда) на кислород и водород. И при этом поменять кристаллическую решётку с α-Fe на γ-Fe (это происходит при температурах 900…1400 °С). Вот такие высокоэнергетические процессы идут в микрозонах!
Так вот, кристаллическая решётка γ-Fe отличается тем, что расстояние между атомами железа в ней больше примерно на 25%, чем в кристаллической решётке α-Fe. В это увеличенное расстояние проникают атомы водорода. Когда кристалл остывает и сжимается, водород разрывает связи между атомами железа – образуется микротрещина. Процесс повторяется, но уже с большим тепловыделением. Так и разрушается поверхность контакта.
Весь процесс я попытался изобразить схематически. Вначале нарисовал руками. Потом попросил перерисовать рисунок в Perplexity (тоже доступная в России нейронка) – получилось вполне как для научного журнала. Только надо малость «подправить напильником» в каком-нибудь редакторе (Paint – вполне подойдёт). И попросил исправить рисунок в Qwen – получилось ровнее, но на иллюстрацию в ваковском журнале слабо смахивает.
В итоге вечный двигатель создать не получилось. Да и нейронки инженера в обозримом будущем не заменят (если инженер не отупеет, конечно). Но то, что с нейронкой можно сделать намного больше, чем без неё – это я понял. Надо изучать новый инструмент!
А как вы работаете с нейронками? Боитесь ли, что они заменят вас?
Поделитесь своим мнением в комментариях!