Печать

2017 №01 (06) DOI of Article
10.15407/tdnk2017.01.07 		2017 №01 (08)

Техническая диагностика и неразрушающий контроль 2017 №01


Техническая диагностика и неразрушающий контроль, №1, 2017 стр. 43-46
 

Реалізація нейромережевих алгоритмів класифікації технічного стану композиційних матеріалів за результатами акустичного контролю

Р. М. Галаган, А. С. Момот


НТУУ «Київський політехнічний інститут ім. Ігоря Сікорського». 03056, м. Київ-56, пр.-т Перемоги, 37.
E-mail: rgalagan@ukr.net
 
Реферат:
Розглянуто можливість застосування архітектури нейронної мережі АРТ-2 для розробки алгоритмів класифікації технічного стану композиційних матеріалів за результатами акустичного контролю методом вільних коливань. Описано інтерфейс і результати роботи програми, що реалізує роботу мережі АРТ-2, а також розроблено засіб для контролю методом вільних коливань. Бібліогр. 10, рис. 2.
 
Ключові слова: нейронні мережі, композиційні матеріали, класи дефектів, інтерфейс, дігностика
 

Читать реферат на русском
Р. М. Галаган, А. С. Момот
НТУУ «Киевский политехнический инcтитут им. Игоря Сикорского». 03056, г. Киев-56, пр-т Победы, 37. E-mail: rgalagan@ukr.net
Реализация нейросетевых алгоритмов классификации технического состояния композиционных материалов по результатам акустического контроля

Рассмотрена возможность применения архитектуры нейронной сети АРТ-2 для разработки алгоритмов классификации технического состояния композиционных материалов по результатам акустического контроля методом свободных колебаний. Описаны интерфейс и результаты работы программы, реализующей работу сети АРТ-2, а также разработано средство для контроля методом свободных колебаний. Библиогр. 10, рис. 2. Ключевые слова: нейронные сети, композиционные материалы, классы дефектов, интерфейс, диагностика

 
  1. Воробей В. В., Маркин В. Б. Контроль качества изготовления и технология ремонта композитных конструкций. – Новосибирск: Наука, 2006. – 190 с.
  2. Барынин В. А., Будадин О. Н., Кульков А. А. Современные технологии неразрушающего контроля конструкций из полимерных композиционных материалов. – М.: Спектр, 2013. – 242 с.
  3. Клюев В. В., Ермолов И. Н., Ланге Ю. В. Неразрушающий контроль. Справочник в 7 т. – М: Машиностроение, 2004. – 864 с.
  4. Бархатов В. А. Распознавание дефектов с помощью искусственной нейронной сети специального типа // Дефектоскопия. – 2006. – № 2. – С. 28–39.
  5. Технології штучних нейронних мереж. – Режим доступу: http://www.victoria.lviv.ua/html/neural_nets/zmist.htm.
  6. Laurene V. Fausett Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. Prentice-Hall, 1994. – 461 p.
  7. Барский А. Б. Нейронные сети: распознавание, управление, принятие решений. – М.: Финансы и статистика, 2004. – 176 с.
  8. Крючин О. В., Зенкова Н. А. Использование искусственных нейронных сетей для решения задач классификации на примере моделирования медицинского объекта // Вестник ТГУ. – 2011. – № 3. – С. 48–51.
  9. Смоленцев Н. К. Основы теории вейвлетов. Вейвлеты в Matlab. – М.: ДМК, 2005. – 304 с.
  10. Carpenter G. A., Grossberg S.ART 2: self-organization of stable category recognition codes for analog input patterns. – Applied Optics. – 1987. – 26. – P. 4919–4930.
 
Надійшла до редакції 20.01.2017
Подписано в печать 15.03.2017