В статье рассматривается задача прогнозирования ресурсных характеристик деталей машин и конструкций. Приведены особенности методики оценки поврежденности поверхности металлов и сплавов. Рассмотрены проблемы, затрудняющие широкое использование методов прогнозирования остаточного ресурса деталей машин и конструкций на основе количественной оценки степени поврежденности микроструктуры поверхности. Предложен алгоритм нейросетевого метода прогнозирования остаточного ресурса металлов и сплавов, использующий автоматизированную обработку изображений микроструктуры поверхности. Проведен анализ факторов поврежденности поверхности, влияющих на формирование результата, определяющего значения ресурсных характеристик деталей машин и конструкций. На основе полученных результатов был получен алгоритм, позволяющий увеличить скорость, а также сократить стоимость работ по определению поврежденности микроструктуры поверхности металлов и сплавов и снизить процент ошибок таких работ. Полученные результаты свидетельствуют о достаточно хорошей согласованности разработанного алгоритма и экспертных оценок.

The problem of forecasting resource characteristics of machine parts and structures considered in this paper. The method of damage assessment by the surface of metals and alloys reviewed. The problems that hinder the widespread use of methods of the residual life prediction for the machine details and constructions, based on a quantitative assessment the degree of damage the surface microstructure of metals and alloys, were considered. The algorithm of neural method for the metals and alloys residual life prediction, using automated image processing of microstructure surface, was proposed. The analysis of the factors that influencing the formation the surface damage is determined by the value of resource characteristics of machine parts and structures. Algorithm that increase speed, as well as reduce the cost of the damage by the determine the microstructure of the metals and alloys surface, and reduce the error rate of such works was formed based on the obtained results. The results indicate a fairly good matching of the algorithm and expert estimates.