logo logo


Проблеми інтелектуалізації в системах SHM: оцінювання, прогнозування, багатокласове розпізнавання

НазваПроблеми інтелектуалізації в системах SHM: оцінювання, прогнозування, багатокласове розпізнавання
Назва англійськоюProblems of Intellectualizing in SHM Systems: Estimation, Prediction, Multi-Class Recognition
ПринадлежністьНаціональний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, Україна National Technical University of Ukraine Igor Sikorsky Kyiv Polytechnic Institute, Kyiv, Ukraine
Бібліографічний описBouraou N. Problems of Intellectualizing in SHM Systems: Estimation, Prediction, Multi-Class Recognition / Nadiia Bouraou, Sergiy Tsybulnik, Sergiy Rupich // Scientific Journal of TNTU. — Tern. : TNTU, 2017. — Vol 88. — No 4. — P. 135–144. — (Instrument-making and information-measuring systems).
Bibliographic description:Bouraou N., Tsybulnik S., Rupich S. (2017) Problems of Intellectualizing in SHM Systems: Estimation, Prediction, Multi-Class Recognition. Scientific Journal of TNTU (Tern.), vol. 88, no 4, pp. 135-144.
DOI: https://doi.org/10.33108/visnyk_tntu2017.04.135
УДК

621.3

Ключові слова

моніторинг технічного стану конструкцій в експлуатації
візуалізація
прогнозування
багатокласове розпізнавання
нейромережевий класифікатор
ефективність розпізнавання
structural health monitoring
visualization
prediction
multi-class recognition
neural network classifier
efficiency of recognition

Досліджено ефективність вирішення завдань інтелектуалізації багатоканальних систем моніторингу технічного стану складних просторових об’єктів зі зварними з’єднаннями – резервуарів з екологічнонебезпечними речовинами. На основі моніторингових моделей об’єкта обґрунтовано та розроблено підсистему візуалізації для відображення та прогнозування характеристик напружено-деформованого стану, просторового положення та вібраційного стану. Для багатокласового розпізнавання технічного стану резервуару при появі та розвитку багатоосередкових пошкоджень обґрунтовано використання класифікатора на основі ймовірнісної нейронної мережі. Сформовано навчальні й тестові множини вхідних багатовимірних векторів діагностичних ознак, виконано навчання класифікатора та багатокласове розпізнавання стану у випадку деградації конструкції. Встановлено залежності показника ефективності класифікатора від параметра впливу мережі для різних порядків значень діагностичних ознак.
The paper is devoted to the research of the efficiency of solving the intellectualization problems of multi-channel systems for the structural health monitoring of complex spatial objects with welded joints - tanks with ecologically hazardous substances. Based on the monitoring models of the object a visualization subsystem is developed for the reflection and prediction of the stress-strain state characteristics, spatial position and vibration state. The use of a classifier based on a probabilistic neural network has been developed for the multi-class recognition of structural health of the tank with the multi-site damage. Learning and test sets of the incoming multidimensional vectors of diagnostic features have been formed, classifier training and multi-class recognition in the case of structural degradation have been performed. The dependencies of the efficiency of the classifier on the parameter of the network influence for different values orders of diagnostic features have been found.

ISSN:2522-4433
Перелік літератури

1. Adams, D. Health Monitoring of Structural Materials and Components. Methods with Applications, John Wiley & Sons Ltd. – 2007. – 475 p.
2. Nagarajaiah, S. Structural monitoring and identification of civil infrastructure in the United States [Text] / S. Nagarajaiah, K. Erazo // Structural Monitoring and Maintenance. – 2016. – Vol. 3. – N. 1. – P. 51 – 69.
3. Structural Health Monitoring 2003: From Diagnostics & Prognostics to Structural Health Menegment: Proceedings of the 4th International Workshop on Structural Health Monitoring, Stanford University, Stanford, CA, September 15 – 17. – 2003. – 1552 p.
4. Speckmann, H. Structural Health Monitoring: a contribution to the intelligent aircraft structure. [Електронний ресурс] / H. Speckmann, H. Roesner // Proc. 9th European NDT Confer. (ECNDT), 25 – 29 Sept., 2006. – Berlin. Germany. − Режим доступу: http://www.ndt.net/article/ecndt2006/doc/Tu.1.1.1.pdf.
5. Бурау, Н.І. Структурно-функціональний синтез систем діагностики конструкцій в експлуатації [Текст] / Н.І. Бурау, О.М. Павловський, Д.В. Шевчук // Вісник Тернопільського національного технічного університету. – 2013. – № 4 (72). – С. 77 – 86.
6. Цыбульник, С.А. Концепция визуализации данных в информационно-диагностических комплексах [Текст] / С.А. Цыбульник, Н.И. Бурау // Вісник інженерної академії України. – Київ, 2015. – № 1. – С. 96 – 99.
7. Цибульник, С.О. Вдосконалення засобів функціональної діагностики та захисту резервуарів на основі імітаційного моделювання: автореф. ... канд. техн. наук: 05.11.13 [Текст] / С.О. Цибульник. – К. : НТУУ «КПІ», 2016. – 27 с.
8. Синтез нейронної мережі для багатокласової діагностики елементів конструкції в експлуатації / Н.І. Бурау, А.Г. Протасов, П.С. Мироненко, С.С. Рупіч // Методи та прилади контролю якості. – Івано-Франківськ: ІФНТУНГ. – 2015. – № 2 (35). – С. 83 − 93.
9. Духанов, А.В. Имитационное моделирование сложных систем: курс лекций [Текст] / А.В. Духанов, О.Н. Медведева. – Владимир: Изд-во Владим. гос. ун-та, 2010. – 115 с.
10.Система регистрации и визуализации параметров движения [Электронный ресурс]. – Режим доступа: http://iu2.bmstu.ru/netrad/article08.pdf.
11.Bouraou, N. Multi-Class Recognition Objects Technical Condition by Classifier based on Probabilistic Neural Network [Теxt] / N. Bouraou, D. Pivtorak, S. Rupich // Eastern-European Journal of Enterprise Technologies. – 2017. – № 5/4 (89). – P. 24 – 31.

References:

1. Adams D. Health Monitoring of Structural Materials and Components. Methods with Applications, John Wiley & Sons Ltd., 2007, 475 p.
2. Nagarajaiah, S. Structural monitoring and identification of civil infrastructure in the United States / S. Nagarajaiah, K. Erazo // Structural Monitoring and Maintenance. 2016. Vol. 3. N. 1. P. 51 – 69.
3. Structural Health Monitoring 2003: From Diagnostics & Prognostics to Structural Health Menegment: Proceedings of the 4th International Workshop on Structural Health Monitoring, Stanford University, Stanford, CA, September 15-17, 2003, 1552 p.
4. Speckmann H. Structural Health Monitoring: a contribution to the intelligent aircraft structure. [Електронний ресурс] / H. Speckmann, H. Roesner // Proc. 9th European NDT Confer. (ECNDT), 25–29 Sept., 2006, Berlin, Germany. − Режим доступу: http://www.ndt.net/article/ecndt2006/doc/Tu.1.1.1.pdf.
5. Bouraou N. Structural Functional Synthesis of the Diagnosis Systems of the Construction at the Operation /N. Bouraou, О. Pavlovskyi, D. Shevchuk // Scientific Journal of TNTU. 2013. № 4 (72). P. 77 – 86 [in Ukrainе].
6. Tsybulnik S. The concept of visualization of data in information and diagnostic complexes / S. Tsybulnik, N. Bouraou // Bulletin of Ingineering Academy of Ukraine. Kyiv, 2015. №1. P. 96 – 99 [in Russian].
7. Tsybulnik S. Improvement of means of functional diagnostics and protection of tanks on the basis of simulation modeling: author's abstract. ... candidate techn. sciences: 05.11.13 / S. Tsybulnik. Кyiv. : NТUU «КPІ», 2016. 27 p. [in Ukrainе].
8. Synthesis of neural network for multiclass diagnostics of elements of construction in operation / N. Bouraou, А. Protasov, P. Мyronenko, S. Rupich // Methods and instruments of quality control. Ivano-Frankivsk: ІFNТUNG. 2015. № 2 (35). P. 83 − 93 [in Ukrainе].
9. Duhanov A. Simulation of complex systems: a course of lectures / А. Duhanov, О. Меdvedeva. Vladimir: Publishing of Vladimir. State Univ., 2010. 115 p. [in Russian].
10. The system of registration and visualization of motion parameters [Electronic resource]. Access mode: http://iu2.bmstu.ru/netrad/article08.pdf [in Russian].
11.Bouraou N. Multi-Class Recognition Objects Technical Condition by Classifier based on Probabilistic Neural Network / N. Bouraou, D. Pivtorak, S. Rupich // Eastern-European Journal of Enterprise Technologies. 2017. № 5/4 (89). P. 24 – 31.

Завантажити

Всі права захищено © 2019. Тернопільський національний технічний університет імені Івана Пулюя.