ЛОКАЛІЗАЦІЯ ПОШКОДЖЕННЯ СКЛАДНОГО ПРОСТОРОВОГО ОБ’ЄКТУ КЛАСИФІКАТОРОМ НА ОСНОВІ ЙМОВІРНІСНОЇ НЕЙРОННОЇ МЕРЕЖІ

Nadia Bouraou, Serhii Rupich

Анотація


Для 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

Повний текст:

PDF (English) Без заголовку

Посилання


Speckmann H., H. Roesner, "Structural Health Monitoring: a contribution to the intelligent aircraft structure", Proc. 9th European NDT Confer. (ECNDT), 25-29 Sept., 2006, Berlin, Germany. http://www.ndt. net/article/ecndt2006/doc/Tu.1.1.1.pdf.

Nagarajaiah S., Erazo K., "Structural monitoring and identification of civil infrastructure in the United States," Monitoring and Maintenance, 2016, Vol. 3, N. 1, pp. 51–69. DOI: http://dx.doi.org/10.12989/smm.2016.3.1.051

Adams D. Health Monitoring of Structural Materials and Components: Methods with Applications, John Wiley & Sons, Ltd., 2007. 460 p. ISBN: 978-0-470-03313-5.

N. Bouraou, S. Tsybulnik, S. Rupich, "Problems of Intellectualizing in SHM Systems: Estimation, Prediction, Multi-Class Recognition," Proceeding of V International Conference “In-Service Damage of Materrials, It’s Diagnostics and Prediction, Ternopil, pp. 234-237, 2017.

T. Shen, F. Wan, B. Song and Y. Wu, "Damage location and identification of the wing structure with Probabilistic Neural Network," Proceeding of Prognostics and System Health Management Conference (Shenzhen, China, 24-25 May 2011), IEEE Xplore Digital Library, 2011. URL: http://ieeexplore.ieee.org/document/5939524/.

Tsybulnik S. Improvement of means of functional diagnostics and prediction of tanks on basis of simulation: Abstract of Thesis for a candidate scientific degree on specialty 05.11.13. NTUU "KPI", Kyiv, 2016. 27 p.

N. Bouraou, A. Protasov, P. Myronenko and S. Rupich, "The Development of Neural Network for the Multichannel Diagnosis of Structure Elements during Operation," Quality Control Tools and Techniques. Ivano-Frankivsk: INFTUOG, № 2 (35), pp. 83−93, 2015.

N. Bouraou, S. Rupich, "Tasks and models of multi-class diagnostic to complex dimensional objects," Bulletin of Engineering academy of Ukraine, №3, pp. 80-87, 2017.

N. Bouraou, D. Pivtorak, S. Rupich, "Multi-class recognition of objects technical condition by classifier based on Probabilistic Neural Network," EasternEuropean Journal of Enterprise Technologies, № 5/4 (89), 2017. DOI: 10.15587/1729-4061.2017.109968

Medvedev V., Potemkin V. Neural networks MATLAB 6. Moscow : Dialog MIFI, 2002. 488 p.




DOI: https://doi.org/10.20535/1970.54(2).2017.119506

Посилання

  • Поки немає зовнішніх посилань.


Copyright (c) 2018 Рівні права