Аналіз зображень спекл-структур поверхні матеріалу в процесі накопичення пошкоджень за циклічного навантаження із застосуванням нейронних мереж
| Jazyk: | ukrajinština |
|---|---|
| Rok vydání: | 2023 |
| Předmět: | |
| Zdroj: | International Scientific and Technical conference "The Progressive Technics, Technology and Engineering Education"; No. XXIII (2023): PROGRESSIVE TECHNICS, TECHNOLOGY AND ENGINEERING EDUCATION Матеріали науково-технічної конференції "Прогресивна техніка, технологія та інженерна освіта"; № XXIII (2023): ПРОГРЕСИВНА ТЕХНІКА, ТЕХНОЛОГІЯ ТА ІНЖЕНЕРНА ОСВІТА |
| ISSN: | 2409-7160 |
| Popis: | To estimate the degree of damage to a material subjected to cyclic loading at stresses above the endurance limit, a technique has been proposed for analyzing speckle images of the material surface at the stage of diffuse accumulation of fatigue damage using neural networks. The microdeformation density of the specimen surface was quantitatively estimated by non-contact speckle interferometry. In the process of loading, an image of speckle structure in the initial state and before fatigue crack nucleation with a certain periodicity was recorded. Two classes of images are distinguished for damage accumulation analysis. The first one is the images corresponding to damage accumulation up to 10% of durability, the second one – more than 90%. The configuration of the network after its training makes it possible to determine to which class the speckle-structure images of the material belong during the accumulation of fatigue damage. Для оцінення ступеню пошкодженості матеріалу, що зазнає циклічного навантажування за напружень, які перевищують границю витривалості, запропоновано методику аналізу зображень спекл-структур поверхні матеріалу на стадії розсіяного накопичення пошкоджень із застосуванням нейронних мереж. Щільність мікродеформацій поверхні зразка кількісно оцінено безконтактним методом спекл-інтерферометрії. У процесі навантажування зразків отримували зображення спекл-структур з певною періодичністю з початкового стану і до зародження втомної тріщини. Для аналізу ступеню накопичення пошкодження виокремено два класи зображень. Один клас – це зображення, що відповідають накопиченню пошкоджень до 10% довговічності, інший – більше ніж 90% довговічності. Конфігурація мережі після її тренування дозволяє визначати, до якого класу належить зображення спекл-структури матеріал, отримане у разі накопичування втомного пошкодження. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|