Projekt profesora Aleksandra Karolczuka dotyczący szacowania trwałości zmęczeniowej otrzymał finansowanie
z konkursu OPUS. O przyznanie grantu w tym konkursie konkurują doświadczeni i wybitni naukowcy z całego kraju.

OPUS to organizowany przez Narodowe Centrum Nauki konkurs na projekty badawcze dla doświadczonych naukowców z całego kraju, o wysokim dorobku. Zatem o przyznanie grantu konkurują projekty wybitne. Jednym z nich, który otrzymał finansowanie jest projekt prof. Aleksandra Karolczuka z Katedry Mechaniki i Podstaw Konstrukcji Maszyn Wydziału Mechanicznego Politechniki Opolskiej. To: „Pionierski model szacowania trwałości zmęczeniowej bazujący na procesie Gaussowskim i uczeniu maszynowym”, którego profesor Karolczuk jest kierownikiem. Do zespołu badawczego należą jeszcze trzy osoby.

Projekt ma na celu rozwiniecie odmiennego, innowacyjnego podejścia szacowania trwałości zmęczeniowej bazującego na procesie Gaussowskim z uczeniem maszynowym.
– Predykcja bezawaryjnego czasu pracy konstrukcji jest jednym z kluczowych zadań inżynierów, pozwalającym na optymalizację szeregu procesów w tym projektowania i użytkowania w celu redukcji kosztów. Według licznych raportów, zdecydowana większość awarii jest spowodowana obciążeniem zmiennym w czasie – prowadzącym do uszkodzeń zmęczeniowych w materiałach. Jak długo dany materiał może pracować i spełniać swoją rolę w konstrukcji? Pytanie to wciąż jest aktualne i bardzo trudno uzyskać jednoznaczną odpowiedź – mówi prof. Aleksander Karolczuk, który podkreśla, że problem jest bardzo złożony i zależy od wielu czynników.

– Z tego względu, zdecydowanie większość modeli szacujących trwałość zmęczeniową ma charakter półempiryczny. Wiążą one pewne fizyczne wielkości związane z obciążeniem i materiałem za pomocą empirycznej relacji z trwałością zmęczeniową. Proponowane do tej pory relacje to parametryczne funkcje będące inwencją autorów danego modelu. Wyrażenie ‚parametryczne’ ma tutaj kluczowe znaczenie, oznacza to narzucenie pewnej formy związku, np. wielomian pierwszego, czy też drugiego stopnia. Oczekujemy zatem, że bez względu na charakter obciążenia, rodzaj materiału, itp. związek ten jest zachowany. W mojej ocenie to błąd, i stąd propozycja nowego podejścia do tego zagadnienia. W projekcie proponuję zastąpienie funkcji z odgórnie narzuconą formą matematyczną relacją nieparametryczną – automatycznie przystosowującą się, uczącą się na podstawie dostępnych danych. Proponowane podejście, wykorzystuje algorytmy uczenia maszynowego, czyli działu sztucznej inteligencji. W projekcie przetestujemy jeden z algorytmów uczenia maszynowego bazujący na  procesie Gaussowskim, który ze wstępnych analiz idealnie wpisuje się do problematyki zmęczenia materiału – tłumaczy prof. Aleksander Karolczuk.

Warto podkreślić, że to nie jedyny projekt prof. Aleksandra Karolczuka realizowany w ramach konkursu OPUS. Profesor pracuje jeszcze nad „Nowatorską adaptacją kryteriów wieloosiowego zmęczenia materiałów w procesie obliczania trwałości zmęczeniowej”.