Багатокласове розпізнавання технічного стану зварного резервуару з дефектами з використанням нейромережевого класифікатора

Скорочена інформація про документ
dc.contributor.authorРупіч, С. С.
dc.contributor.authorЛук’янченко, О. О.
dc.date.accessioned2020-04-21T07:23:33Z
dc.date.available2020-04-21T07:23:33Z
dc.date.issued2019
dc.description.abstractenThe paper shows the efficiency of the multi-class recognition of technical states the welded joint tank by using the neural network classifier that based on Probabilistic Neural Network. Implementation of modern multichannel monitoring systems for determination the technical state of spatial objects requires researching of changes of a stress-strain state construction elements which function under the operation pressure and possible impact its structural integrity. Such researching are needed for prevention of cracks or damage determining and future prediction of object’s technical state. In the paper the tasks of a multi-class recognition of a state of multi-site damage the welded joint tank are determined. In the research was created the model of the object with probable location places cracks. One of them is a vertical crack and two are horizontal. Directions of their propagation are given. Cracks have the same value. The first researching included when cracks turn up one by one. The next one related with multi-focal defects when cracks were arised and they evolve in parallel and independently. The data of strain in the structural of the welded joint tank where sensors were attached is given. The research of the possibility of the error-free recognition was conducted by the developed classifier based on the stress-strain state of the geometric model of the tank structural elements with multi-site damage, where sensors are located. The development of the classifier was done by using Probabilistic Neural Network, which provides the best results of a multi-class recognition for determination technical state of spatial object with multidimensional vectors of diagnostic features. As a result, the probability of recognition from the network influence parameter, which shows the effectiveness of the neural network classifier for localization of single damage and localization of multiple cracks, was established.uk
dc.description.abstractruПри разработке системы многоклассового распознавания технического состояния сварных резервуаров необходимо тщательно исследовать изменение напряженно-деформированного состояния элементов конструкции под влиянием эксплуатационных нагрузок и возможного нарушения его целостности. Такие исследования необходимы для определения параметров напряженно-деформированного состояния до появления и развития трещин в сварных швах. Для проведенного анализа эффективности многоклассового распознавания технического состояния объекта использован нейросетевой классификатор.uk
dc.description.abstractukТенденції розвитку моніторингових систем частково або в повній мірі пов’язані з реалізацією принципів систем Structural Health Monitoring. Тому впровадження сучасних технологій є невід’ємною та необхідною частиною до реалізації підсистем діагностування та розпізнавання, що впроваджуються в складні комплексні моніторингові системи. Потреба в таких системах пов’язана зі складністю та неоднорідністю внутрішніх процесів об’єктів контролю. Зазвичай, це складні просторові об’єкти, забезпечення цілісності яких може нести стратегічний характер. В роботі проведено дослідження поведінки реальної конструкції сталевого резервуару при появі та розвитку багатоосередкового пошкодження у місцях зварних швів. При розробці системи багатокласового розпізнавання технічного стану зварних резервуарів необхідно ретельно дослідити зміну напружено-деформованого стану елементів конструкції під впливом експлуатаційних навантажень та можливого порушення його цілісності. Такі дослідження необхідні для визначення параметрів напружено-деформованого стану до появи та розвитку тріщин у зварних швах. Багатоосередкове пошкодження представлено у вигляді трьох тріщин: одна вертикальна та дві горизонтальні. В статті наведено схему можливого розташування та розвитку тріщин, а також місця закріплення шести сенсорів. В роботі розглядаються два випадки виникнення дефектів. Перше дослідження пов’язано з розпізнаванням багатоосередкового пошкодження для локалізації одиничного пошкодження, тобто у випадку виникнення однієї з можливих тріщин. Другий випадок пов’язаний з багатоосередковим пошкодженням, тобто при одночасному виникненні двох та трьох тріщин. Для проведеного аналізу ефективності багатокласового розпізнавання технічного стану об’єкта використано нейромережевий класифікатор, який побудований на основі ймовірнісної нейронної мережі. Отримані результати вказують на можливість та ефективність застосування такого класифікатора для розпізнавання тріщин у конструкції зварного резервуара.uk
dc.format.pagerangeС. 23-28uk
dc.identifier.citationРупіч, С. С. Багатокласове розпізнавання технічного стану зварного резервуару з дефектами з використанням нейромережевого класифікатора / Рупіч С. С., Лук’янченко О. О. // Вісник КПІ. Серія Приладобудування : збірник наукових праць. – 2019. – Вип. 58(2). – С. 23-28. – Бібліогр.: 7 назв.uk
dc.identifier.doihttps://doi.org/10.20535/1970.58(2).2019.189276
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/32992
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceВісник КПІ. Серія Приладобудування : збірник наукових праць, 2019, Вип. 58(2)uk
dc.subjectбагатокласове розпізнаванняuk
dc.subjectвектор діагностичних ознакuk
dc.subjectнейромережевий класифікаторuk
dc.subjectлокалізація багатоосередкового пошкодженняuk
dc.subjectmultichannel recognitionuk
dc.subjectdiagnostic features vectoruk
dc.subjectneural network’s classifieruk
dc.subjectProbabilistic Neural Networkuk
dc.subjectlocalization of damageuk
dc.subjectinfluence parameteruk
dc.subjectмногоклассовое распознаваниеuk
dc.subjectвектор диагностических признаковuk
dc.subjectнейросетевой классификаторuk
dc.subjectвероятностная нейронная сетьuk
dc.subjectлокализация многоочагового поврежденияuk
dc.subject.udc629.735.083.2:620.179.1:004.032.26uk
dc.titleБагатокласове розпізнавання технічного стану зварного резервуару з дефектами з використанням нейромережевого класифікатораuk
dc.title.alternativeMulti-class recognition for determination the technical state of the welded joint tank with defects by using neural network classifieren
dc.title.alternativeМногоклассовое распознование технического состояния сварного резервуара с дефектами с использованием нейросетевого классификатораru
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
VKPI-SPr_2019-58_P23-28.pdf
Розмір:
258.09 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Вісник КПІ. Серія Приладобудування: збірник наукових праць, Вип. 58(2)