DOI: https://doi.org/10.20535/1970.58(2).2019.189276

БАГАТОКЛАСОВЕ РОЗПІЗНАВАННЯ ТЕХНІЧНОГО СТАНУ ЗВАРНОГО РЕЗЕРВУАРУ З ДЕФЕКТАМИ З ВИКОРИСТАННЯМ НЕЙРОМЕРЕЖЕВОГО КЛАСИФІКАТОРА

Serhii Rupich, Olga Lukianchenko

Анотація


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.


Ключові слова


багатокласове розпізнавання; вектор діагностичних ознак; нейромережевий класифікатор; локалізація багатоосередкового пошкодження

Повний текст:

PDF

Посилання


Adams D. Health monitoring of structural materials and components: methods with applications. John Wiley & Sons Ltd., 2007. 475 p.

Chang F.-K. Structural health monitoring : advancements and challenges for implementation. Pennsylvania: DEStech Publications, Inc., 2005. 1886 р.

N. Bouraou, O. Lukianchenko, S. Tsybulnik, D. Shevchuk, "Vibration condition monitoring of the vertical steel tanks", Vibrations in Physical Systems, pp. 55 – 60, 2016.

N. Bouraou, S. Tsybulnik, D. Shevchuk, "The investigation of model of the vibration measuring channel of the complex monitoring system of vertical steel tanks", EasternEuropean Journal of Enterprise Technologies, № 5/9, 2015. DOI: 10.15587/1729-4061.2015.50980

S. Ignatovich, M. Karuskevich. Monitoring of the fatigue resource of aircraft. Kyiv, National Aviation University, 2014. – 260 p. (In Russian)

N. Bouraou, D. Pivtorak, S. Rupich, “Multi-class recognition of objects technical condition by clas-sifier based on Probabilistic Neural Network”, EEJET, 5/4, pp. 24 – 30, 2017. DOI: 10.15587/1729-4061.2017.109968

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. (In Ukrainian)




Copyright (c) 2020 Рівні права