Методология многоклассовой диагностики сложных пространственных объектов

Методология многоклассовой диагностики сложных пространственных объектов

На основе методов многоклассового распознавания и информационных технологий, методов оценки и прогнозирования изменения технического функционального состояния объектов разработана методология многоклассовой диагностики сложных пространственных объектов со сварными и / или заклёпочными соединениями элементов при появлении и развитии многоочагового повреждения. Разработаны и обоснованы общая структура и принцип функционирования системы многоклассовой функциональной диагностики сложных пространственных объектов со сварными и заклёпочными соединениями с подсистемой многоклассового распознавания на основе нейросетевого классификатора. Для построения классификатора обосновано использование вероятностной нейронной сети, которая обеспечивает нелинейное разделение на классы пространства диагностических признаков и имеет возможность в процессе тестирования изменять параметр влияния сети для обеспечения максимально возможного значения вероятности распознавания. Разработаны и обоснованы общая структура нейросетевого классификатора для многоклассового распознавания состояния сварного резервуара при решении таких диагностических задач: локализация единичного и многоочагового повреждения; мониторинг развития повреждения; мониторинг деградации конструкции. Для многоклассового распознавания обоснованно классы технических состояний объекта и разработаны информационные модели процессов формирования обучающих и тестовых множеств многомерных векторов диагностических признаков, характеризующих бездефектный и дефектные классы состояния объекта, построено матрицы связности, обоснованно структуру весовых матриц, разработано алгоритмическое и программное обеспечение для программной реализации нейросетевого классификатора. Проведено моделирование процессов многоклассового распознавания разработанным классификатором, установлены зависимости вероятности многоклассового распознавания от параметра влияния нейронной сети для различных значений размерности обучающих множеств, размерности векторов диагностических признаков и порядков значений диагностических признаков для различных классов технических состояний. Разработано алгоритмическое и программное обеспечение для прогнозирования изменения уровня деформаций элементов конструкции объекта путем экстраполяции линий тренда с целью получения точечного значения прогноза изменения уровня деформаций на указанный период времени. Разработаны методики и основные рекомендации по многоклассовой диагностике с использованием нейросетевых классификаторов для решения задач обнаружения и классификации многоочаговых повреждений объекта.

ВложениеРазмер
PDF icon 2019_2018.PDF448.74 КБ