В данной работе представлен подход к решению задачи контактной механики на основе библиотеки машинного обучения XGBoost. Задача является примером задачи Герца о контакте двух упругих тел. Методика состоит из трех шагов. На первом шаге, численное решение задачи получается с помощью пакета конечно-элементного анализа ANSYS. В рамках данной работы учитываются такие результаты, как контактное давление и состояние контакта в зависимости от смещения одного тела относительно другого. На втором шаге собирается набор данных из выходных результатов ANSYS. Результаты состоят из координат узлов на поверхности тела и их статуса контакта. На третьем шаге обучается алгоритм машинного обучения XGBoost, основанный на вышеупомянутом наборе данных. Теоретическая часть работы включает в себя описание основных шагов по реализации алгоритма машинного обучения в рамках концепции обучения с учителем. Проведено обзорное исследование широко распространенных методов машинного обучения, приведены их основные преимущества и недостатки.

This dissertation work presents an ML-based approach to solution of contact mechanics problem. The problem itself is an example of Hertz’ contact problem of two elastic bodies. The methodology consists of three steps. First-up, a numerical solution of a problem is retrieved by using Ansys FEM-package. Within the framework of this work, such results as contact pressure and contact status, depending on a displacement of the pin relatively to sheave, are taken into concern. Secondly, a medium-sized dataset of Ansys output results is gathered. The results consist of nodal coordinates of pin face and their contact status. Finally, an XGBoost ML-algorithm based on the above-mentioned dataset is trained. The theoretical part of the work includes a description of the main steps for implementing a machine learning algorithm within the framework of the supervised learning concept. An overview study of the widespread methods of machine learning is carried out, their main advantages and disadvantages are given.