Локалізація пошкодження складного просторового об’єкту класифікатором на основі ймовірнісної нейронної мережі

Скорочена інформація про документ
dc.contributor.authorБурау, Н. І.
dc.contributor.authorРупіч, С. С.
dc.contributor.authorBouraou, Nadia
dc.contributor.authorRupich, Serhii
dc.contributor.authorБурау, Н. И.
dc.contributor.authorРупич, С. С.
dc.date.accessioned2018-04-04T12:31:24Z
dc.date.available2018-04-04T12:31:24Z
dc.date.issued2017
dc.description.abstractenThe paper deals principle multichannel monitoring system based on the fundamental conception of Structural Health Monitoring for decide problem of multi-class diagnostic to a complex dimensional object. Such systems providing the structural health monitoring for its safe and reliable operation. To detect the state of structural elements according to the analysis of diagnostic information developed probabilistic classifier based on a probabilistic neural network. Informational models of process to form by training and test sets of vectors of diagnostic features for multichannel recognition to localization of single and plural damages presented. For the vector containing 5 diagnostic features, 6 classes of technical condition of an object for localization of single damages and 11 classes of technical condition of an object for localization of plural damages are substantiated. Established classes for object state control and the corresponding parameters for each of them. Formed training set, which forms the basis of learning "teacher", for each class of classifier system diagnostics. Arrays are given training vectors in matrix form. Formed by different types of sets of test vectors to determine the feasibility and effectiveness of the built neural network. The multi-class recognition of the state of dimensional object carried out. Effectiveness of the developed classifier analyzed. Parameters of a probabilistic neural network justified. It is found that error-free multi-class recognition of the object condition over the entire set of input vectors with different values of deviation of feature elements is provided in the range of values of the classifier parameter spread of [0,07; 0,1] for localization of single damages and [0,009; 0,4]. It is established that error-free multi-class recognition of the object condition for solving the tasks is possible to establish a single value of the influence parameter for classifier.uk
dc.description.abstractruДля решения задачи многоклассовой диагностики сложного пространственного объекта в работе рассмотрен принцип многоканальных интеллектуальных систем мониторинга на основе концепции Structural Health Monitoring. Приведены информационные модели процесса формирования обучающего и тестового множества векторов диагностических признаков для многоклассового распознавания с целью локализации единичного повреждения и двух повреждений. Обоснованы классы технических состояний объектов и сформированы множества обучающих и тестовых входных векторов для поставленных задач. Проведено многоклассовое распознавание состояния пространственного объекта, проанализирована эффективность разработанного классификатора и обоснованы параметры вероятностной нейронной сети для достоверной локализации повреждения.uk
dc.description.abstractukДля вирішення завдання багатокласової діагностики складного просторового об’єкту у роботі розглянуто принцип багатоканальних інтелектуальних систем моніторингу на основі концепції Structural Health Monitoring. Наведено інформаційні моделі процесу формування навчальної та тестової множин векторів діагностичних ознак для багатокласового розпізнавання з метою локалізації одиничного пошкодження та двох пошкоджень. Обґрунтовані класи технічних станів об’єктів і сформовано множини навчальних та тестових вхідних векторів для поставлених завдань. Проведено багатокласове розпізнавання стану просторового об’єкту, проаналізовано ефективність розробленого класифікатора та обґрунтовано параметри ймовірнісної нейронної мережі для достовірної локалізації пошкоджень. Ключові слова: багатокласове розпізнавання, вектор діагностичних ознак, нейромережевий класифікатор, локалізація пошкодження, параметр впливу.uk
dc.format.pagerangeС. 12-19uk
dc.identifier.citationБурау, Н. І. Локалізація пошкодження складного просторового об’єкту класифікатором на основі ймовірнісної нейронної мережі / Бурау Н. І., Рупіч С. С. // Вісник НТУУ «КПІ». Приладобудування : збірник наукових праць. – 2017. – Вип. 54(2). – С. 12-19. – Бібліогр.: 10 назв.uk
dc.identifier.doihttps://doi.org/10.20535/1970.54(2).2017.119506
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/22674
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceВісник НТУУ «КПІ». Приладобудування: збірник наукових праць, Вип. 54(2)uk
dc.subjectбагатокласове розпізнаванняuk
dc.subjectвектор діагностичних ознакuk
dc.subjectнейромережевий класифікаторuk
dc.subjectлокалізація пошкодженняuk
dc.subjectпараметр впливуuk
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 поврежденияuk
dc.subjectпараметр влиянияuk
dc.subject.udc629.735.083.2:620.179.1:004.032.26uk
dc.titleЛокалізація пошкодження складного просторового об’єкту класифікатором на основі ймовірнісної нейронної мережіuk
dc.title.alternativeLocalization of damage from a complex dimensional object by the classifier based on the probabilistic neural networkuk
dc.title.alternativeЛокализация повреждения сложного пространственного объекта классификатором на основе вероятностной нейронной сетиuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
P.12-19.pdf
Розмір:
884.3 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Вісник НТУУ «КПІ». Приладобудування: збірник наукових праць, Вип. 54(2)