Analysis of Application of Neural Networks to Improve the Reliability of Active Thermal NDT

Скорочена інформація про документ
dc.contributor.authorGalagan, R. M.
dc.contributor.authorMomot, A. S.
dc.date.accessioned2021-03-02T14:03:16Z
dc.date.available2021-03-02T14:03:16Z
dc.date.issued2019
dc.description.abstractenBackground. The relevant question of increasing the informative content and reliability of the thermal non-destructive testing is considered in this article. The most promising algorithms of digital processing of sequences of thermograms are given. Objective. The main aim of this research is to determine the advantages and disadvantages of the application of each considered method of digital processing of thermograms. Secondary, the possibilities of testing automation with the use of the selected methods of digital processing of thermograms are analyzed in this article. Methods. Computer simulation software was used to obtain the artificial sequence of the thermograms. Methods of wavelet analysis, principal components analysis and neural networks were used to process the received data. Results. The simulation of active thermal testing process is carried out in this research. The artificial thermogram sequence with a high level of noise is obtained for the object of testing. In order to quantify the results of application of considered methods, relative errors of determining the area of defects were calculated. Also values of Tanimoto criterion are obtained. The advantages of the neural network processing of digital data in thermal non-destructive testing have been established and proved in this article. Shape of defects on a binary map built by the neural network was closest to true compared with principal components analysis method. The effectiveness of neural networks is also confirmed by quantitative estimates. Conclusions. The method of wavelet transformation has a high sensitivity. This method is ineffective in the conditions of uneven heating and high noise. The principal components analysis method allows increasing the SNR and improving the visual perception of thermograms, but does not provide complete separation of information about defects and noises caused by uneven heating. Methods of artificial neural networks theory provide the best reproduction of the shape and size of the defects, but the training process requires significant time and computing resources.uk
dc.description.abstractruПроблематика. Рассмотрен актуальный вопрос повышения информативности и достоверности теплового метода неразрушающего контроля. Приведены наиболее перспективные алгоритмы цифровой обработки последовательностей термограмм. Цель исследования. Определить преимущества и недостатки, области применения современных методов цифровой обработки термограмм с целью повышения их информативности. Анализ выбранных методов проводится для определения возможностей автоматизации теплового неразрушающего контроля. Методика реализации. С помощью средств компьютерного моделирования получена искусственная последовательность термограмм объекта контроля. Для обработки полученных данных использовались методы вейвлет-анализа, анализа главных компонент и искусственные нейронные сети. Результаты исследования. Проведено моделирование процесса активного теплового контроля. Получена искусственная последовательность термограмм объекта контроля с высоким уровнем помех. Для количественной оценки результатов применения рассмотренных методов рассчитаны относительные погрешности определения площади дефектов. Также получены значения критерия Танимото. Установлены и доказаны преимущества средств нейросетевой обработки цифровых данных в тепловом неразрушающем контроле. Форма дефектов на бинарной карте, построенной с помощью нейронной сети, была более близкой к истинной по сравнению с методом анализа главных компонент. Эффективность нейросетей подтверждается и количественными оценками. Выводы. Метод вейвлет-преобразования имеет высокую чувствительность. Этот метод неэффективен в условиях неравномерного нагрева и значительных помех. Метод анализа главных компонент позволяет увеличить соотношение сигнал/шум и улучшить визуальное восприятие термограмм, но не обеспечивает полного отделения информации о дефектах и помехах, вызванных неравномерным нагревом. Методы теории искусственных нейронных сетей обеспечивают наилучшее воспроизведение формы и размера дефектов, но процесс обучения требует значительных временных и вычислительных затрат.uk
dc.description.abstractukПроблематика. Розглянуто актуальне питання підвищення інформативності та достовірності теплового методу неруйнівного контролю. Наведено найбільш перспективні алгоритми цифрової обробки послідовностей термограм. Мета дослідження. Визначити переваги та недоліки, області застосування сучасних методів цифрової обробки термограм з метою підвищення їх інформативності. Аналіз обраних методів проводиться для визначення можливостей автоматизації теплового неруйнівного контролю. Методика реалізації. За допомогою засобів комп’ютерного моделювання отримано штучну послідовність термограм об’єкта контролю. Для обробки отриманих даних використовувалися методи вейвлет-аналізу, аналізу головних компонент і штучні нейронні мережі. Результати дослідження. Проведено моделювання процесу активного теплового контролю. Отримано штучну послідовність термограм об’єкта контролю із високим рівнем завад. Для кількісної оцінки результатів застосування розглянутих методів розраховано відносні похибки визначення площі дефектів. Також отримано значення критерію Танімото. Встановлено та доведено переваги засобів нейромережної обробки цифрових даних у тепловому неруйнівному контролі. Форма дефектів на бінарній карті, побудованій за допомогою нейронної мережі, була близькою до істинної порівняно з методом аналізу головних компонент. Ефективність нейромереж підтверджується і кількісними оцінками. Висновки. Метод вейвлет-перетворення має високу чутливість. Цей метод неефективний в умовах нерівномірного нагріву та значних завад. Метод аналізу головних компонент дає змогу збільшити співвідношення сигнал/шум і поліпшити візуальне сприйняття термограм, але не забезпечує повного відокремлення інформації про дефекти і завади, що викликані нерівномірним нагрівом. Методи теорії штучних нейронних мереж забезпечують найкраще відтворення форми і розміру дефектів, але навчальний процес вимагає значних витрат часу та обчислень.uk
dc.format.pagerangePp. 7-14uk
dc.identifier.citationGalagan, R. M. Analysis of Application of Neural Networks to Improve the Reliability of Active Thermal NDT / R. M. Galagan, A. S. Momot // Наукові вісті КПІ : міжнародний науково-технічний журнал. – 2019. – № 1(123). – С. 7–14. – Бібліогр.: 18 назв.uk
dc.identifier.doihttps://doi.org/10.20535/kpi-sn.2019.1.157374
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/39743
dc.language.isoenuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/uk
dc.sourceНаукові вісті КПІ : міжнародний науково-технічний журнал, 2019, № 1(123)uk
dc.subjectwavelet analysisuk
dc.subjectprincipal components analysisuk
dc.subjectneural networksuk
dc.subjectthermogram processinguk
dc.subjectвейвлет-аналізuk
dc.subjectаналіз головних компонентuk
dc.subjectнейронні мережіuk
dc.subjectобробка термограмuk
dc.subjectвейвлет-анализuk
dc.subjectанализ главных компонентuk
dc.subjectнейронные сетиuk
dc.subjectобработка термограммuk
dc.subject.udc004.89uk
dc.titleAnalysis of Application of Neural Networks to Improve the Reliability of Active Thermal NDTuk
dc.title.alternativeАналіз застосування нейронних мереж для підвищення достовірності активного теплового неруйнівного контролюuk
dc.title.alternativeАнализ применения нейронных сетей для повышения достоверности активного теплового неразрушающего контроляuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
NVKPI2019-1_01.pdf
Розмір:
861.62 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Наукові вісті КПІ: міжнародний науково-технічний журнал, № 1(123)