Создание методики диагностирования механических повреждений протяженных сооружений и трубопроводов с применением нейронных сетей и метода конечных элементовтезисы доклада
Аннотация:Исследование проводится на основе методов математического моделирования технических объектов и устройств, в рамках линейной теории упругости, а также акустического приближения динамики жидкости. Рассматриваемые проблемы математически сформулированы в форме соответствующих начально-краевых задач. В качестве метода решения прямых задач использован метод конечных элементов. В качестве метода решения обратных задач использовано построение зависимости между определенной информацией об исследуемом объекте и данными об имеющихся дефектах на основе обучения искусственной нейронной сети.
Наибольшей сложностью при разработке системы диагностики является создание методики распознавания типа, размера и интенсивности повреждения. Для этих целей предлагается разработка и создание искусственной нейронной сети в сочетании с базой данных повреждений. С помощью конечно-элементного моделирования формируется начальное состояние базы данных повреждений, содержащее структурные динамические оклики системы на некоторые определенные формы повреждений. Сформированное состояние базы данных повреждений будет использовано для начального обучения искусственной нейронной сети. С целью сокращения числа начальных состояний без потери требуемой точности будет использовано вейвлет-преобразование откликов для извлечения нерегулярностей доставляемых дефектами.
Первой научно-технической задачей при разработке системы обнаружения повреждений кон-струкции с использованием нейронной сети является формирование начального состояния базы данных повреждений, которое будет использовано в качестве входных данных процесса обучения искусственной нейронной сети. Для выполнения этой задачи предполагается использовать метод конечно-элементного моделирования. При этом начальное состояние базы данных повреждений должно содержать по возможности наиболее полную информацию о структурном отклике конструкции при определенном повреждении. Для этого используется вейвлет-декомпозиция структурного отклика. Повреждение конструкции моделируется уменьшением жесткости, которое зависит от размера и расположения повреждения в конструкции. С целью получения набора данных для начального обучения искусственной нейронной сети коэффициенты редукции жесткости элементов предполагаются случайными числами между 0 и 1. Расположение поврежденного элемента конструкции также предполагается случайным. Кроме того, дефект может моделироваться с помощью нескольких конечных элементов.
После формирования начального состояния базы данных повреждений выполняется процесс обу-чения искусственной нейронной сети, который продолжается до тех пор, пока результат работы искусственной нейронной сети не будет соответствовать желаемой цели или пока работа искусственной нейронной сети не достигнет ожидаемой точности выходного результата. Эта точность оценивается уровнем погрешности по методу наименьших квадратов. Обученная сеть, получив уже новые, неизвестные ранее результаты анализа, будет способна корректно распознать параметры дефекта. Входные данные для обучения искусственной нейронной сети могут быть преобразованы с помощью вейвлет-преобразования, что улучшает процесс реконструкции. Также будут исследованы вопросы архитектуры искусственной нейронной сети, способы представления обучающей информации и влияние размеров дефектов на точность и время их идентификации.
На заключительном этапе будут разработаны и протестированы методы и программы, на основе которых будут созданы математические модели диагностических устройств (датчиков) идентификации де-фектов конструкций и компьютерные модели систем неразрушающего контроля технических объектов, в частности, для мониторинга поврежденного состояния протяженных подземных сооружений и трубопрово-дов в процессе их эксплуатации.