ОБРАБОТКА ДИАГНОСТИЧЕСКОЙ ИНФОРМАЦИИ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ | Опубликовать статью ВАК, elibrary (НЭБ)

Вильданов Р.Г.¹, Исхаков Р.Р.²

¹Доктор технических наук, профессор; ²студент, Уфимский государственный нефтяной технический университет

ОБРАБОТКА ДИАГНОСТИЧЕСКОЙ ИНФОРМАЦИИ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ

Аннотация

В статье изучена зависимость потерь на перемагничивание от параметров дефектов: глубины и объема дефекта, а также от толщины металла изделия. Показано, что имеется однозначная монотонная зависимость   амплитуды выходного сигнала датчика от объема дефекта. Установлено, что с ростом толщины пластины потери на гистерезис растут. Предложено обрабатывать диагностическую информацию с помощью нейронных сетей.

Ключевые слова: диагностика, нейронная сеть, неразрушающий контроль.

Vildanov R.G.¹, Iskhakov R.R.²

¹Doctor of technical sciences, professor; ²student, Ufa State Petroleum Technical University

PROCESSING OF DIAGNOSTIC INFORMATION ON THE BASIS OF NEURAL NETWORKS

Abstract

The article considered the dependence of loss reversal of defects parameters: the depth and scope of the defect, and the thickness of metal products. It is shown that there is a single-valued monotonic dependence of the sensor output signal amplitude of the volume of the defect. It is found that with increasing plate thickness hysteresis losses grow. It is proposed diagnostic information processing by neural networks.

Keywords: diagnostics, neural network, non-destructive control.

Актуальность исследований  в задачах неразрушающего контроля очевидное применение нейронных сетей – это распознавание дефектов по сигналам прибора неразрушающего контроля (НК).

Диагностическая информационно-измерительная система с нейронной сетью  может выполнять следующие функции:

– мониторинг напряжённо-деформированного состояния потенциально опасных металлоконструкций в процессе их  эксплуатации;

– обнаружение и оценка коррозионных поражений на внутренней поверхности оболочковых металлоконструкций;

– выявление характера и стадии коррозии, определение степени язвенности и глубину отдельных язвенных поражений.

Нейронная сеть дает ряд преимуществ:

1. Уменьшение время на данную операцию.
2. Уменьшение вероятности ошибки.
3. Если программный комплекс будет включать экспертную систему, то программный комплекс сможет оценить возможную причину брака и выработать рекомендации по методам его устранения (снижения). Экспертная система имеет возможность оценить процент брака при выборочных методах контроля.

В работе приведено исследование зависимости потерь на гистерезис в пластине из сталей Ст3 и 09Г2С  на частоте 100 Гц  от толщины пластины. Установлено, что с ростом толщины пластины потери на гистерезис растут. Это объясняется тем, что с увеличением толщины увеличивается масса перемагничиваемого металла, что приводит к росту потерь на гистерезис. Проведены исследования зависимости высших гармоник от толщины металла. Наблюдается закономерность снижения потерь при уменьшении толщины изделия. Однако чувствительность датчика на высших гармониках в десятки раз выше чувствительности на основной гармонике. На основной гармонике при изменении толщины от 10 мм  до 6 мм выходной сигнал уменьшился лишь на 17%, в то время как уменьшение сигнала на пятой гармонике составило 250% [1].

Изучена зависимость потерь на гистерезис в стальной пластине из сталей Ст3 и 09Г2С  на частоте 40 Гц  от глубины дефекта. Сигнал изменяется от 1,1 мВт до 1,5 мВт при изменении глубины дефекта от 1,5 мм до 4 мм. Установлено, что с увеличением глубины дефекта потери на гистерезис уменьшаются. Это объясняется тем, что с увеличением глубины дефекта уменьшается масса перемагничиваемого металла, что приводит к снижению потерь на гистерезис [2,3].

Также исследована зависимость полных потерь от температуры. С увеличением температуры образца потери на перемагничивание увеличиваются. Исследована зависимость потерь на гистерезис и полных потерь в стальной пластине из сталей Ст3 и 09Г2С  на частоте 100 Гц  от объема дефекта. Установлено, что чем больше объем дефекта, тем меньше потерь перемагничивания, так как с увеличением объема дефекта уменьшается масса металла, вовлекаемого в процесс перемагничивания [1].

Зависимости выходного сигнала от объема дефекта получены с помощью спектрального анализатора. Получена однозначная монотонная зависимость   амплитуды выходного сигнала датчика от объема дефекта. Обнаружено изменение наклона кривых в зоне больших объемов, что объясняется, по-видимому, изменением соотношения между потерями на гистерезис и потерями на вихревые токи. Также видно, что чувствительность на высших гармониках в десятки раз выше, чем на основной гармонике. Так, на основной гармонике 25 Гц при изменении объема дефекта от 2500 мм³ до 100 мм³ выходной сигнал изменился на 17%, в то время как на шестой гармонике изменение выходного сигнала составило 680% [2].

На рисунке 1 показана зависимость изменения 4-ой гармонической составляющей от механических напряжений для стали 09Г2С.

Рис. 1 – Зависимость изменения 4-ой гармонической составляющей от механических напряжений для стали 09Г2С

Из рисунка видно, что имеется монотонная зависимость выходного сигнала в процентах от механических напряжений кручения, измеряемых в градусах.

Проведенные исследования позволяют следующие вывод о том, что чувствительность датчика к дефектам больше на высших гармониках и анализ гармоник сигнала датчика является перспективным направлением в разработке средств неразрушающего контроля, основанных на измерении потерь перемагничивания. При реализации нейронной сети предложена нейросеть с пятнадцатью слоями, семью входными данными и тремя выходными.