Наукові конференції України, 2023-XXIII Прогресивна техніка, технологія та інженерна освіта

Розмір шрифту: 
Аналіз зображень спекл-структур поверхні матеріалу в процесі накопичення пошкоджень за циклічного навантаження із застосуванням нейронних мереж
Andrii Bialonovych, Georgii Pisarenko, Stepan Pisarenko, Volodimir Voinalovych

Остання редакція: 2023-05-23

Тези доповіді


Отримання необхідної інформації про ступінь пошкодженості матеріалу за циклічного навантаження є досить нетривіальною задачею. Враховую велику кількість чинників що спричиняють локальні пошкодження та в решті решт зародження втомної тріщини використовують багато методів для оцінки залишкового ресурсу. Всі вони мають як недоліки так і переваги.

Мета дослідження

Мета дослідження полягає у створенні методики неруйнівного контролю що базується на аналізі зображень спекл-структур поверхні матеріалу на стадії розсіяного накопичення пошкоджень із застосуванням нейронних мереж.

Методика реалізації

Щільність мікродеформацій поверхні зразка кількісно оцінено безконтактним методом спекл-інтерферометрії. У процесі навантажування зразків отримували зображення спекл-структур з певною періодичністю з початкового стану і до зародження втомної тріщини. Для аналізу ступеню накопичення пошкодження виокремлено два класи зображень. Один клас – це зображення, що відповідають накопиченню пошкоджень до 10% довговічності, інший – більше ніж 90% довговічності.

Висновки

Після розгляду декількох варіантів конфігурації нейронної мережі обрано оптимальну структуру саме для тренування на невеликому наборі зображень спекл-структур. Після тренування нейронної мережі проведено аналіз коректності визначення класу зображень – пошкоджений чи не пошкоджений матеріал. Велика вірогідність визначення правильного класу зображень спекл-структур дає змогу використовувати запропоновану методику для безконтактного моніторингу стану матеріалу за циклічного навантаження.


Ключові слова


volume; microdeformations; speckle structure; speckle interferometry; image classification; neural network