Я. С. Григоренко

Я. С. Григоренко

Auto-generated profile, based on publicly available information

Я. С. Григоренко


Research Focus & Metrics

Academic Career Length

2Years (2025-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
7 May 2026 in Вісник Херсонського національного технічного університету
Verified
Journal Article
Open access
ЯГЯ. С. Григоренко
Я. С. Григоренко
СКС. Г. Катріч
С. Г. Катріч
Статтю присвячено цифровим двійникам (Digital Twin, DT) у металевому адитивному виробництві, зокрема в процесах лазерного сплавлення порошкового шару (laser powder bed fusion, LPBF; також powder bed fusion, PBF) та наплавлення з підведенням енергії (directed energy deposition, DED), включно з дуговим наплавленням дротом (wire arc additive manufacturing, WAAM). Розглянуто підходи до побудови архітектур цифрових двійників за рівнями «машина–процес–деталь» із визначенням функціонального призначення кожного рівня та взаємозв’язків між ними. Проаналізовано джерела даних моніторингу в процесі виготовлення (in-situ), зокрема оптичні та інфрачервоні (ІЧ) камери, фотодіоди, акустичні та електричні сигнали, що використовуються для оцінювання стану процесу та параметрів формування виробу. Систематизовано фізично обґрунтовані моделі теплопереносу, гідродинаміки ванни розплаву, формування залишкових напружень і деформацій, а також еволюції мікроструктури в умовах пошарового виготовлення. Окремо узагальнено гібридні підходи «фізика+дані» та сурогатні моделі, які поєднують результати багатофізичного моделювання з експериментальними даними та забезпечують зменшення обчислювальних витрат і наближення розрахунків до режиму реального часу. Показано типові задачі цифрового двійника в адитивному виробництві, зокрема прогноз дефектів (пористість, неповне проплавлення/lack-of-fusion, тріщини), керування параметрами процесу, віртуальну кваліфікацію якості та зв’язування параметрів процесу з мікроструктурою і властивостями виробів. На основі аналізу публікацій запропоновано концептуальний алгоритм прогнозування дефектів у режимі, наближеному до реального часу, що передбачає використання даних моніторингу та моделей цифрового двійника з контуром зворотного зв’язку для його оновлення та, за необхідності, корекції параметрів процесу.

31 December 2025 in Вісник Херсонського національного технічного університету
Verified
Journal Article
Open access
ЯГЯ. С. Григоренко
Я. С. Григоренко
МКМ. Ф. Кузмічов
М. Ф. Кузмічов
ДДД. О. Дмитрієв
Д. О. Дмитрієв
У роботі досліджено інтелектуальні технології визначення характеристик якості металевих виробів, виготовлених методами пошарового утворення. Виконано аналіз сучасних публікацій узагальнено основні типи дефектів у процесах лазерного плавлення металевого порошку, їх зв’язок із морфологією порошкової сировини, режимами плавлення та особливостями формування мікроструктури. Показано, що поєднання методів комп’ютерного зору та машинного навчання дає змогу автоматизувати оцінювання якості порошку, in-situ моніторинг melt-pool, виявлення аномальних режимів та прогнозування пористості по шарах. Особливу увагу приділено цифровим двійникам адитивних процесів, які відтворюють теплові, механічні та мікроструктурні поля й забезпечують багатоваріантну оптимізацію параметрів друку до проведення експериментів. Обґрунтовано доцільність інтеграції даних цифрового моделювання, сигналів процесного моніторингу та результатів мікроструктурного аналізу в єдину інтелектуальну систему контролю якості, орієнтовану на відповідальні машинобудівні деталі. Запропоновано структурну схему такої системи, у якій виділено модулі аналізу сировини, планування процесу, in-situ моніторингу, прогнозування дефектів, адаптивного керування та постпроцесної валідації. Показано, що впровадження подібних систем створює підґрунтя для самонавчальних адитивних виробничих комплексів, зменшує рівень пористості та підвищує відтворюваність механічних властивостей виробів. Наукова новизна роботи полягає в систематизації підходів до поєднання цифрових двійників із моделями глибокого навчання та формуванні узагальненої архітектури інтелектуальної системи оцінювання якості в металевому адитивному виробництві. Практичне значення отриманих результатів пов’язане з можливістю зниження обсягу натурних випробувань, скорочення тривалості виведення нових виробів на ринок і підвищення надійності відповідальних елементів конструкцій.