Техническая диагностика и неразрушающий контроль, 2013, №01



2013 №01 (03)

2013 №01 (05)

---

«Техническая диагностика и неразрушающий контроль», 2013, №1, с. 28-34

СИСТЕМА НЕРАЗРУШАЮЩЕГО КОНТРОЛЯ КОМПОЗИЦИОННЫХ МАТЕРИАЛОВ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ ART-2 И FUZZY-ART

В. С. ЕРЕМЕНКО, А. В. ПЕРЕЕДЕНКО

Национальный авиационный университет. 03680, Киев-58, просп. Космонавта Комарова, 1. E-mail: nau_307@ukr.net

Реферат
Решение задач без эталонной диагностики требует использования методов обработки данных, которые ориентированы на широкий набор объектов контроля, позволяют быстро и эффективно проводить диагностику, допускают адаптацию кизменениямусловийпроведенияконтроляипозволяютвноситьизменениявпрограммныемодулибеззначительных изменений в основной структуре программного обеспечения. Статья посвящена исследованию и программной реализации модифицированных нейронных сетей ART-2 и Fuzzy-ART для решения задач классификации дефектов сотовых панелей. Разработанные нейронные сети используются в составе системы безэталонной диагностики изделий из композиционных материалов. Описано структуру и алгоритм работы разработанных нейронных сетей. Также представлены структура и основне модули разработанного програмного обеспечения для работы с представленными нейронными сетями. Преимуществомописаннойнейроннойсетиисистемывцеломявляетсягибкостьееархитектуры, высокое быстродействие и высокая достоверность обработки информации. Приведены результаты использования разработаннойсистемынаосновесетейART-2 иFuzzy-ART для диагностики технического состояния сотовых панелей. Классификатор на основе описанных нейронных сетей во время обучения может автоматически изменять свои параметры, достигая наилучшей достоверности контроля при обнаружении и классификации подповерхностных дефектов в сотовых панелях, а также дефектов, которые расположены с обратной стороны панели, площадью от 2 см2при толщине композитной панели 12,8 мм Надежностьнеразрушающегоконтроляспомощьюуказанногоклассификатора составляет 90...95 %. Применение нейронной сети Fuzzy-ART обеспечивает лучшие показатели достоверности кон­троля, чем применение сети ART-2. Библиогр. 9 назв., табл. 1, рис. 3.

Ключевыеслова: неразрушающий контроль, нейронные сети, композиционные материалы, нейронные сети адаптивной резонансной теории
 
Solution of the problems of standardless diagnostics of pipes requires application of data processing methods, which are oriented to a wide range of control objects, allows fast and effective diagnostics, are adapted to variation of testing conditions and permit modification of program modules without any significant changes in the main software structure. This paper is devoted to investigation and software realization of modified ART-2 and Fuzzy-ART neural networks to solve the problems of classification of defects in honeycomb panels. Developed neural networks are used in the system of standardless diagnostics of products from composite materials. Structure and operating algorithm of developed neural networks are described. Structure and main modules of the developed software for operation with the described neutral networks are also presented. The advantages of the developed neural network and system as a whole are its architecture flexibility, high performance and reliability of data processing. The paper gives the results of investigation of the developed system based on ART-2 and Fuzzy-ART networks for diagnostics of technical condition of honeycomb panels. The classifier based on the described neural networks can automatically change its settings during training, reaching the highest reliability of control at detection and classification of subsurface defects in honeycomb panels, as well as defects located on the back side of the panel of 2 cm² area at thickness of composite panel equal to 12.8 mm. Reliability of non-destructive testing with the specified classifier is equal to 90 ? 95%.

Key words: Nondestructive testing, neural networks, composite materials, neural networks of adaptive resonance theory
 
Поступила в редакцию 25.05.2012
Опубликовано 06.03.2013
 
1. Єременко В. С., Переєденко А. В., Піколенко Є. О. Ранжування інформативних ознак при неруйнівному контролі композиційних матеріалів // Вісник Нац. техн. ун-ту «ХПI». — 2010. — № 57. — С. 159–164.
2. Переєденко А. В., Єременко В. С., Монченко О. В. Застосування нейромережевих технологій у системах неруйнівного контролю // Техн. диагностика и неразруш. контроль. — 2012. — № 1. — С. 35–41.
3. Pereidenko A. V., Eremenko V. S., Rogankov V. O. System of standartless diagnostic of cell panels based on fuzzy-ART neural network // «MRRS-2011»: Proc. of the Third Microwaves, Radar and Remote Sensing Symposium, 25–27 August 2011: proceedings. — Kyiv, 2011. — P. 181–183.
4. Переєденко А. В., Єременко В. С., Монченко О. В. Застосування модифікованої архітектури нейронної мережі ART-2 у складі системи неруйнівного контролю виробів із композиційних матеріалів // «Современные методы и средства неразрушающего контроля и технической диагностики»: Матер. 19-ї Міжн. конф., 3–7 жовтня 2011р.: — Гурзуф, 2011. — С. 81–84.
5. Переєденко А. В., Єременко В. С., Шегедін П. А. Класифікатор стану виробів з композиційних матеріалів на основі нейронної мережі адаптивної резонансної теорії // Вісник Нац. авіац. ун-ту. — 2012. — № 1(50). — С. 92–100.
6. Carpenter G. A., Grossberg S. ART 2: Stable self-organization of pattern recognition codes for analog input patterns // Applied Optics. — 1987. — № 26. — P. 4919–4930.
7. Carpenter G. A., Grossberg S., Rosen D. B. ART 2-A: An adaptive resonance algorithm for rapid category learning and recognition // Neural Networks. — 1991. — № 4. — P. 493–504.
8. Carpenter G. A., Grossberg S., Rosen D. B. Fuzzy ART: Fast stable learning and categorization of analog patterns by an adaptive resonance system // Ibid. — 1991. — № 4. — P. 759–771.
9. Еременко В. С., Мокийчук В. М., Овсянкин А. М. Обнаружение ударных повреждений сотовых панелей методом низкоскоростного удара // Техн. диагностика и неразруш. контроль. — 2007. — № 1. — С. 24–27.