MULTI-CLASS RECOGNITION FOR DETERMINATION THE TECHNICAL STATE OF THE WELDED JOINT TANK WITH DEFECTS BY USING NEURAL NETWORK CLASSIFIER
| Autor: | Rupich, Serhii, Lukianchenko, Olga |
|---|---|
| Jazyk: | ukrajinština |
| Rok vydání: | 2019 |
| Předmět: |
многоклассовое распознавание
вектор диагностических признаков нейросетевой классификатор вероятностная нейронная сеть локализация многоочагового повреждения багатокласове розпізнавання вектор діагностичних ознак нейромережевий класифікатор локалізація багатоосередкового пошкодження multichannel recognition diagnostic features vector neural network’s classifier Probabilistic Neural Network localization of damage influence parameter |
| Zdroj: | Вісник Київського політехнічного інституту. Серія Приладобудування; № 58(2) (2019); 23-28 Вестник Киевского политехнического института. Серия приборостроение; № 58(2) (2019); 23-28 Bulletin of Kyiv Polytechnic Institute. Series Instrument Making; № 58(2) (2019); 23-28 |
| ISSN: | 0321-2211 2663-3450 |
| Popis: | Тенденції 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. При 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 The 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 |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|