<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE root>
<article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:ali="http://www.niso.org/schemas/ali/1.0/" article-type="research-article" dtd-version="1.2" xml:lang="en"><front><journal-meta><journal-id journal-id-type="publisher-id">Theoretical Foundations of Chemical Engineering</journal-id><journal-title-group><journal-title xml:lang="en">Theoretical Foundations of Chemical Engineering</journal-title><trans-title-group xml:lang="ru"><trans-title>Теоретические основы химической технологии</trans-title></trans-title-group></journal-title-group><issn publication-format="print">0040-3571</issn><issn publication-format="electronic">3034-6053</issn><publisher><publisher-name xml:lang="en">The Russian Academy of Sciences</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="publisher-id">681288</article-id><article-id pub-id-type="doi">10.31857/S0040357124060069</article-id><article-id pub-id-type="edn">VIFVTE</article-id><article-categories><subj-group subj-group-type="toc-heading" xml:lang="en"><subject>Articles</subject></subj-group><subj-group subj-group-type="toc-heading" xml:lang="ru"><subject>Статьи</subject></subj-group><subj-group subj-group-type="article-type"><subject>Research Article</subject></subj-group></article-categories><title-group><article-title xml:lang="en">Разработка математической модели прогнозирования физико-механических свойств резин при введении комплексного активатора вулканизации</article-title><trans-title-group xml:lang="ru"><trans-title>Разработка математической модели прогнозирования физико-механических свойств резин при введении комплексного активатора вулканизации</trans-title></trans-title-group></title-group><contrib-group><contrib contrib-type="author"><name><surname>Тихомиров</surname><given-names>С. Г.</given-names></name><address><country country="RU">Russian Federation</country></address><email>karolga@mail.ru</email><xref ref-type="aff" rid="aff1"/></contrib><contrib contrib-type="author"><name><surname>Карманова</surname><given-names>О. В.</given-names></name><address><country country="RU">Russian Federation</country></address><email>karolga@mail.ru</email><xref ref-type="aff" rid="aff1"/></contrib><contrib contrib-type="author"><name><surname>Семенов</surname><given-names>М. Е.</given-names></name><address><country country="RU">Russian Federation</country></address><email>karolga@mail.ru</email><xref ref-type="aff" rid="aff2"/></contrib><contrib contrib-type="author"><name><surname>Полуэктов</surname><given-names>Д. А.</given-names></name><address><country country="RU">Russian Federation</country></address><email>karolga@mail.ru</email><xref ref-type="aff" rid="aff2"/></contrib><contrib contrib-type="author"><name><surname>Голякевич</surname><given-names>А. А.</given-names></name><address><country country="RU">Russian Federation</country></address><email>karolga@mail.ru</email><xref ref-type="aff" rid="aff1"/></contrib></contrib-group><aff id="aff1"><institution>Воронежский государственный университет инженерных технологий</institution></aff><aff id="aff2"><institution>Воронежский государственный университет</institution></aff><pub-date date-type="pub" iso-8601-date="2024-12-15" publication-format="electronic"><day>15</day><month>12</month><year>2024</year></pub-date><volume>58</volume><issue>6</issue><fpage>740</fpage><lpage>749</lpage><history><date date-type="received" iso-8601-date="2025-05-29"><day>29</day><month>05</month><year>2025</year></date></history><permissions><copyright-statement xml:lang="en">Copyright ©; 2024, Russian Academy of Sciences</copyright-statement><copyright-statement xml:lang="ru">Copyright ©; 2024, Российская академия наук</copyright-statement><copyright-year>2024</copyright-year><copyright-holder xml:lang="en">Russian Academy of Sciences</copyright-holder><copyright-holder xml:lang="ru">Российская академия наук</copyright-holder></permissions><self-uri xlink:href="https://transsyst.ru/0040-3571/article/view/681288">https://transsyst.ru/0040-3571/article/view/681288</self-uri><abstract xml:lang="en"><p>Разработано математическое описание для прогнозирования физико-механических свойств серных вулканизатов диеновых каучуков, полученных в присутствии комплексных активаторов вулканизации. В качестве входных параметров выбраны концентрации компонентов комплексного активатора вулканизации, а также технологические режимы его получения. На основе выборки объемом более 800 экспериментов установлены зависимости изменения модулей и условной прочности при растяжении, относительного удлинения при разрыве от соотношения компонентов активатора, температуры и продолжительности его синтеза и проведена статистическая обработка данных, в том числе по статистическим тестам Шапиро–Уилка. С использованием аппарата нейронных сетей синтезирована математическая модель влияния состава активатора вулканизации и условий его синтеза на физико-механические показатели вулканизатов. Обучение нейронной сети осуществлено с использованием выборки, содержащей 784 эксперимента, оценка качества аппроксимации проведена на контрольной выборке из 76 экспериментов. Полученные значения относительной ошибки определения условной прочности и относительного удлинения расчетным методом составили ~ 6%. Приведено графическое представление результатов имитационного моделирования.</p></abstract><trans-abstract xml:lang="ru"><p>Разработано математическое описание для прогнозирования физико-механических свойств серных вулканизатов диеновых каучуков, полученных в присутствии комплексных активаторов вулканизации. В качестве входных параметров выбраны концентрации компонентов комплексного активатора вулканизации, а также технологические режимы его получения. На основе выборки объемом более 800 экспериментов установлены зависимости изменения модулей и условной прочности при растяжении, относительного удлинения при разрыве от соотношения компонентов активатора, температуры и продолжительности его синтеза и проведена статистическая обработка данных, в том числе по статистическим тестам Шапиро–Уилка. С использованием аппарата нейронных сетей синтезирована математическая модель влияния состава активатора вулканизации и условий его синтеза на физико-механические показатели вулканизатов. Обучение нейронной сети осуществлено с использованием выборки, содержащей 784 эксперимента, оценка качества аппроксимации проведена на контрольной выборке из 76 экспериментов. Полученные значения относительной ошибки определения условной прочности и относительного удлинения расчетным методом составили ~ 6%. Приведено графическое представление результатов имитационного моделирования.</p></trans-abstract><kwd-group xml:lang="ru"><kwd>математическое моделирование</kwd><kwd>нейронная сеть</kwd><kwd>вычислительный эксперимент</kwd><kwd>резины</kwd><kwd>физико-механические свойства</kwd><kwd>активатор вулканизации</kwd></kwd-group><funding-group><funding-statement xml:lang="en">The work was carried out with the financial support of the Foundation for Assistance to Small Innovative Enterprises, agreement No. 2GURB/2022 dated 05.24.1022.</funding-statement><funding-statement xml:lang="ru">Работа выполнена при финансовой поддержке Фонда содействия инновациям, договор № 2ГУРБ/2022 от 24.05.1022 г.</funding-statement></funding-group></article-meta></front><body></body><back><ref-list><ref id="B1"><label>1.</label><mixed-citation>Шершнев В.А. Развитие представлений о роли активаторов серной вулканизации углеводородных эластомеров. Часть 1 // Каучук и резина. 2012. № 1. С. 31.</mixed-citation></ref><ref id="B2"><label>2.</label><mixed-citation>Карманова О.В., Калмыков В.В. Особенности формирования структуры вулканизатов // Конденсированные среды и межфазные границы. 2006. Т. 8. № 2. С. 112.</mixed-citation></ref><ref id="B3"><label>3.</label><mixed-citation>Ghosh P. Sulfur vulcanization of natural rubber for benzothiazole accelerated formulations: from reaction mechanisms to a rational kinetic model // Rubber Chem. Technol. 2003. V. 76. P. 592.</mixed-citation></ref><ref id="B4"><label>4.</label><mixed-citation>Кафаров В. В., Дорохов И.Н., Дранишников Л.В. Системный анализ процессов химической технологии: Процессы полимеризации. М.: Наука, 1991.</mixed-citation></ref><ref id="B5"><label>5.</label><mixed-citation>Писаренко Е.В. Метод оценки констант нелинейных кинетических моделей многостадийных химических реакций // Программные продукты и системы. 2011. № 4. С. 163.</mixed-citation></ref><ref id="B6"><label>6.</label><mixed-citation>Кафаров В.В., Дорохов И.Н., Ветохин В.Н., Волков Л.П. Анализ физико-химических свойств элементов третьей группы Периодической системы Д.И. Менделеева // Докл. АН СССР. 1991. Т. 320, № 6. С. 1400.</mixed-citation></ref><ref id="B7"><label>7.</label><mixed-citation>Гордеев Л.С., Кафаров В.В., Бояринов А.И. Оптимизация процессов химической технологии: учеб. Пособие. М.: МХТИ им. Д.И. Менделеева, 1972.</mixed-citation></ref><ref id="B8"><label>8.</label><mixed-citation>Кафаров В.В., Дорохов И.И. Системный анализ процессов химической технологии. Основы стратегии. М.: Наука, 1976.</mixed-citation></ref><ref id="B9"><label>9.</label><mixed-citation>Баженов В.И., Говоров А.А., Кафаров В.В., Мешалкин В.П. и др. Алгоритмы анализа и оптимизации автоматических систем регулирования с расширенными функциональными возможностями для химико-технологических процессов // Теорет. основы хим. технологии. Т.26. № 4. 1992. С. 562.</mixed-citation></ref><ref id="B10"><label>10.</label><mixed-citation>Ziyatdinov N.N. Modeling and Optimization of Chemical Engineering Processes and Systems // Theor. Found. Chem. Eng. 2017. V. 51. № 6. P. 889. [Зиятдинов Н.Н. Моделирование и оптимизация химико-технологических процессов и систем // Теорет. основы хим. технологии. 2017. Т.51. № 6. С. 613.]</mixed-citation></ref><ref id="B11"><label>11.</label><mixed-citation>Гусак Ю. В. и др. Малоранговое представление нейронных сетей // Журнал вычислительной математики и математической физики. 2021. Т. 61. № 5. С. 800.</mixed-citation></ref><ref id="B12"><label>12.</label><mixed-citation>Матвеев С.А. и др. Обзор методов визуализации искусственных нейронных сетей // Журнал вычислительной математики и математической физики. 2021. Т. 61. № 5. С. 896.</mixed-citation></ref><ref id="B13"><label>13.</label><mixed-citation>Sosnovik I., Oseledets I. Neural networks for topology optimization // Russian Journal of Numerical Analysis and Mathematical Modelling. 2019. Т. 34. №. 4. С. 215.</mixed-citation></ref><ref id="B14"><label>14.</label><mixed-citation>Dvurechensky P., Gasnikov A. Stochastic intermediate gradient method for convex problems with stochastic inexact oracle //Journal of Optimization Theory and Applications. 2016. Т. 171. С. 121.</mixed-citation></ref><ref id="B15"><label>15.</label><mixed-citation>Rogozin A. et al. Decentralized convex optimization over time-varying graphs: a survey // arXiv preprint arXiv: 2210.09719. 2022.</mixed-citation></ref><ref id="B16"><label>16.</label><mixed-citation>Pogodaev A.K., Tikhomirov, S.G., Karmanova, O.V. et al. Modeling elastomer properties in presence of a composite vulcanization activator. Journal of Chemical Technology and Metallurgy. 2018. V. 53. № 5. P. 807–815.</mixed-citation></ref><ref id="B17"><label>17.</label><mixed-citation>Tikhomirov S.G., Karmanova O.V., Bityukov V.K. [et al.] Study and Modeling of Polymer Degradation in Bulk // Theor. Found. Chem. Eng. 2018. V. 52. № 1. P. 78. [Тихомиров С.Г., Карманова О.В., Битюков В.К. и др. Исследование и моделирование процесса деструкции полимера в массе // Теорет. основы хим. технологии. 2018 Т. 52. № 4. С. 83.]</mixed-citation></ref><ref id="B18"><label>18.</label><mixed-citation>Бурнаев Е.В. и др. Фундаментальные исследования и разработки в области прикладного искусственного интеллекта // Доклады РАН. Математика, информатика, процессы управления. 2022. Т. 508. № 1. С. 19.</mixed-citation></ref><ref id="B19"><label>19.</label><mixed-citation>Tikhomirov S.G., Khaustov I.A., Bitukov V.K., Karmanova O.V. Polymer Degradation in a Solution: Monitoring and Predicting Quality Parameters / Theor. Found. Chem. Eng. – 2018. – Vol. 52. № 4. P. 568. [Тихомиров С.Г., Хаустов И.А., Битюков В.К., Карманова О.В и др. Контроль и прогнозирование параметров качества полимеров в процессе их деструкции в растворе // Теорет. основы хим. технологии. 2018. Т. 52. № 4. С. 466.]</mixed-citation></ref><ref id="B20"><label>20.</label><mixed-citation>Экологические аспекты модификации ингредиентов и технологии производства шин / под науч. ред. проф. А. А. Мухутдинова. Казань: Изд-во “Фэн”, 1999.</mixed-citation></ref><ref id="B21"><label>21.</label><mixed-citation>Tahon J.M.F.C. et al. Rubber composition containing pre-hydrophobated silica with zinc salt fatty acid processing aid and tire with tread : pat. 9556331 USA, 2017.</mixed-citation></ref><ref id="B22"><label>22.</label><mixed-citation>Pajarito B.B. et al. Effect of Replacing Carbon Black with Organo-Modified Bentonite and Acid-Activated Zeolite on Vulcanization Characteristics of Natural Rubber Tire Tread // Materials Science Forum. Trans Tech Publications. 2017. V. 890. P. 59.</mixed-citation></ref><ref id="B23"><label>23.</label><mixed-citation>Alam M.N., Potiyaraj P. Synthesis of nano zinc hydroxide via sol–gel method on silica surface and its potential application in the reduction of cure activator level in the vulcanization of natural rubber. Journal of Sol-Gel Science and Technology. 2017. V. 81. № 3. P. 903.</mixed-citation></ref><ref id="B24"><label>24.</label><mixed-citation>Gujel A.A. et al. Evaluation of vulcanization nanoactivators with low zinc content: characterization of zinc oxides, cure, physico‐mechanical properties, <math> <mrow> <msup> <mrow> <mtext>Zn</mtext></mrow> <mrow> <mtext>2+</mtext></mrow> </msup> </mrow></math> release in water and cytotoxic effect of EPDM compositions. Polymer Engineering &amp; Science. 2018. V. 58. № 10. P. 1800.</mixed-citation></ref><ref id="B25"><label>25.</label><mixed-citation>Le Q.V. et al. Learning hierarchical invariant spatio-temporal features for action recognition with independent subspace analysis // CVPR 2011. IEEE, 2011. С. 3361.</mixed-citation></ref><ref id="B26"><label>26.</label><mixed-citation>Maas A. et al. Learning word vectors for sentiment analysis // Proceedings of the 49th annual meeting of the association for computational linguistics: Human language technologies. 2011. С. 142.</mixed-citation></ref><ref id="B27"><label>27.</label><mixed-citation>Coates A., Ng A., Lee H. An analysis of single-layer networks in unsupervised feature learning // Proceedings of the fourteenth international conference on artificial intelligence and statistics. – JMLR Workshop and Conference Proceedings. 2011. С. 215.</mixed-citation></ref><ref id="B28"><label>28.</label><mixed-citation>Diederik P. Kingma, Jimmy Lei Ba. Adam: A Method for Stochastic Optimization https://doi.org/10.48550/arXiv.1412.6980.</mixed-citation></ref><ref id="B29"><label>29.</label><mixed-citation>Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun. Deep Residual Learning for Image Recognition / https://doi.org/10.48550/arXiv.1512.03385.</mixed-citation></ref><ref id="B30"><label>30.</label><mixed-citation>Ngiam J. et al. Tiled convolutional neural networks //Advances in neural information processing systems. 2010. Т. 23.</mixed-citation></ref><ref id="B31"><label>31.</label><mixed-citation>Antipina E. V., Antipin A. F., Mustafina S. A. Search for the Optimal Regime Parameters of a Catalytic Process Based on Evolutionary Computations // Theor. Found. Chem. Eng. 2022. V. 56, №. 2. P. 16. [Антипина Е.В., Мустафина С.А., Антипин А.Ф. Поиск оптимальных режимных параметров каталитического процесса на основе эволюционных вычислений // Теорет. основы хим. технологии. 2022. Т. 56. № 2. С. 158–166.</mixed-citation></ref></ref-list></back></article>
