Идентификация дефектов в клине с покрытием на основе методов ультразвукового неразрушающего контроля и сверточных нейронных сетей
Автор: Соловьев А.Н., Соболь Б.В., Васильев П.В., Сеничев А.В., Новикова А.И.
Статья в выпуске: 1, 2023 года.
Бесплатный доступ
Рассматривается идентификация трещиноподобного дефекта в клине, усиленного покрытием на основе ультразвукового неразрушающего контроля. Авторы предлагают подход идентификации дефекта с последующим определением его геометрических параметров. Подход основан на теневом методе ультразвукового неразрушающего контроля в сочетании с технологиями глубокого машинного обучения. Инспектируется клиновидная область на наличие внутреннего дефекта. На одной грани клина расположен источник ультразвуковых колебаний, на противоположной грани - приемник. Проходя через покрытие и тело клина, часть сигнала отражается от неоднородностей и дефектов, которые могут присутствовать в нем. Сигнал, достигший противоположной грани клина, считывается приемником. Полученные данные обрабатываются нейросетевой моделью, которая прогнозирует наличие или отсутствие внутреннего дефекта, и в случае его наличия определяет геометрические параметры, такие как размер и положение. Построена конечно-элементная модель распространения ультразвуковой волны внутри клина. Применяются специальные демпфирующие слои, благодаря которым существенно снижается влияние паразитных отражений сигнала и его дальнейшее распространение в тело клина. На основе построенной модели реализован теневой метод ультразвукового сканирования. Данный метод предполагает, что на одной стороне клина устанавливаются возбуждающие сигнал устройства, а на противоположной стороне - принимающие. С помощью системы распределенных вычислений проведен ряд численных экспериментов для различных комбинаций геометрических параметров клина и дефекта. На основе полученных данных построена и обучена нейросетевая модель, способная идентифицировать дефект и определять его характеристики. На вход модели поступают спектрограммы считанного сигнала, а на выходе получаются значения, характеризующие дефект.
Ультразвуковой неразрушающий контроль, сверточные нейронные сети, тонкое покрытие, упругий клин, трещина, дефектоскопия, машинное обучение, искусственные нейронные сети, идентификация дефектов, конечно-элементное моделирование
Короткий адрес: https://sciup.org/146282643
IDR: 146282643 | DOI: 10.15593/perm.mech/2023.1.11
Список литературы Идентификация дефектов в клине с покрытием на основе методов ультразвукового неразрушающего контроля и сверточных нейронных сетей
- Samanta S., Mandal A., Thingujam Jackson Singh. Application of ANN in Identifying Defects in Impacted Composite // Procedia Materials Science. - 2014. - Vol. 6. - Р. 926-930.
- van Sloun R.J.G., Cohen R., Eldar Y.C. Deep Learning in Ultrasound Imaging // Proceedings of the IEEE. - 2020. -Vol. 108, no. 1. - P. 11-29. DOI: 10.1109/JPR0C.2019.2932116
- Черпаков А.В., Акопьян В.А., Соловьев А.Н. Алгоритм многопараметрической идентификации дефектов стержневых конструкций [Электронный ресурс] // Техническая акустика: электронный журнал. - URL: http://www.ejta.org. - 2013. - № 1.
- Bar H.N., Bhat M.R., Murthy C.R.L. Identification of failure modes in GFRP using PVDF sensors: ANN approach // Composite Structures. - 2004. - Vol. 65, iss. 2. - P. 231-237.
- Use of an improved ANN model to predict collapse depth of thin and extremely thin layered rock strata during tunneling / Dong-Fang Chen, Xia-Ting Feng, Ding-Ping Xu, Quan Jiang, Cheng-Xiang Yang, Pin-Pin Yao // Tunnelling and Underground Space Technology. - 2016. - Vol. 51. - P. 372-386.
- Ватульян А.О. Обратные задачи в механике деформируемого твёрдого тела. - М.: Физматлит, 2007. - С. 224.
- Ermolov I., Aleshin N., Potapov A. Non-destructive testing. Acoustic methods of control. - Moscow: High School, 1991.
- Willcox M.A. A Brief Description of NDT Techniques. -Toronto: NDT Equipment Limited, 2003. - 54 p.
- Hesthaven J.S., Warburton T. Nodal Discontinuous Galerkin Methods: Algorithms, Analysis, and Applications. -Springer, 2008.
- Soloviev A., Sobol B., Vasiliev P. (2019) Identification of Defects in Pavement Images Using Deep Convolutional Neural Networks // Parinov I., Chang S.H., Kim Y.H. (eds) Advanced Materials. Springer Proceedings in Physics. - 2009. - Vol 224.
- Васильев П.В., Сеничев А.В. Применение нейросете-вых технологий в задаче контроля поверхностных дефектов // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. - 2020. - № 1ю. - С. 33-40.
- Cao Vu Dung, Le Duc Anh, Autonomous concrete crack detection using deep fully convolutional neural network // Automation in Construction. - 2019. - Vol. 99. - P. 52-58.
- Deep Learning in Medical Ultrasound Analysis: A Review / Shengfeng Liu, Yi Wang, Xin Yang, Baiying Lei, Li Liu, Shawn Xiang Li, Dong Ni, Tianfu Wang // Engineering. - 2019. -Vol. 5, iss. 2. - P. 261-275.
- Gradient-based learning applied to document recognition / Y. LeCun [et al.] // Proceedings of the IEEE. - 1998. - Vol. 86, iss. 11. - P. 2278-2324.
- Ioffe S., Szegedy C. Batch normalization: Accelerating deep network training by reducing internal covariate shift // CoRR. - 2015. - 9 p. - DOI: abs/1502.03167
- Соловьев А.Н., Соболь Б.В., Васильев П.В. Ультразвуковая локация внутренних трещиноподобных дефектов в составном упругом цилиндре с применением аппарата искусственных нейронных сетей // Дефектоскопия. - 2016. - № 3. -C. 3-9.
- Идентификация трещиноподобного дефекта и исследование концентрации напряжений в полосе с покрытием / Соболь Б.В., Соловьев А.Н., Рашидова Е.В., Васильев П.В. // Вестник Пермского национального исследовательского политехнического университета. Механика. - 2019. - № 4. -С. 165-174. DOI: 10.15593/perm.mech/2019.4.16
- Andreaus U., Baragatti P. Cracked beam identification by numerically analysing the nonlinear behaviour of the harmonically forced response // Journal of Sound and Vibration. - 2011. -Vol. 330(4). - P. 721-742.
- Andreaus U., Casini P. Identification of multiple open and fatigue cracks in beam-like structures using wavelets on deflection signals // Continuum Mechanics and Thermodynamics. -2016. - Vol. 28(1-2). - P. 361-378.
- Placidi L., Misra A., Barchiesi E. Simulation results for damage with evolving microstructure and growing strain gradient moduli // Continuum Mechanics and Thermodynamics. - 2019. -Vol. 31(4). - P. 1143-1163.
- Hemivariational continuum approach for granular solids with damage-induced anisotropy evolution / D. Timofeev, E. Barchiesi, A. Misra, L. Placidi // Mathematics and Mechanics of Solids. - 2021. - Vol. 26(5). - P. 738-770.
- Cuomo M., Contrafatto L., Greco L. A variational model based on isogeometric interpolation for the analysis of cracked bodies // International Journal of Engineering Science. - 2014. -Vol. 80. - P. 173-188.
- A continual model of a damaged medium used for analyzing fatigue life of polycrystalline structural alloys under thermal-mechanical loading / I.A. Volkov, L.A. Igumnov, F. dell'Isola, S.Y. Litvinchuk, V.A. Eremeyev // Continuum Mechanics and Thermodynamics. - 2020. - Vol. 32(1). - P. 229-245.
- Qualitative pivot damage analysis in aluminum printed pantographic sheets: numerics and experiments / M. Spagnuolo, K. Barcz, A. Pfaff, F. dell'Isola, P. Franciosi // Mechanics Research Communications. - 2017. - Vol. 83. - P. 47-52.
- Berezovski A., Yildizdag M.E., Scerrato D. On the wave dispersion in microstructured solids // Continuum Mechanics and Thermodynamics. - 2020. - Vol. 32(3). - P. 569-588.
- Turco E. Tools for the numerical solution of inverse problems in structural mechanics: review and research perspectives // European Journal of Environmental and Civil Engineering. -2017. - Vol. 21(5). - P. 509-554.
- Bilotta A., Morassi A., Turco E. Quasi-isospectral Sturm-Liouville operators and applications to system identification // Procedia engineering. - 2017. - Vol. 199. - P. 1050-1055.
- A novel phase-field approach to brittle damage mechanics of gradient metamaterials combining action formalism and history variable / B.E. Abali, A. Klunker, E. Barchiesi, L. Placidi // ZAMM-Zeitschrift für Angewandte Mathematik und Mechanik. -2021. - e202000289.
- Глушков С.В., Скворцов Ю.В., Перов С.Н. Сравнение результатов решения задачи механики разрушения для трубыс несквозной трещиной // Вестник Пермского национального исследовательского политехнического университета. Механика. - 2014. - № 3. - C. 36-49. DOI: 10.15593/perm.mech/2014.3.03
- Моделирование технологических дефектов и оценка их влияния на статическую прочность композитных фланцев / А.Н. Аношкин, В.Ю. Зуйко, В.М. Осокин [и др.] // Вестник Пермского национального исследовательского политехнического университета. Механика. - 2016. - № 2. - C. 5-21. DOI: 10.15593/perm.mech/2016.2.01
