Моделирование процессов ультразвуковой дефектоскопии в задаче поиска и визуализации внутренних дефектов в узлах агрегатов и конструкций

Введение. Обратные задачи представляют собой специфический тип задач, где изучаются последствия явлений с целью определения их причин. Они широко используются в научных исследованиях, особенно тех, что имеют дело с большими объемами экспериментальных данных. В представленном исследовании рассмотрены обратные задачи в машиностроении и диагностике конструкций. Эти области требуют точных методов для выявления в различных материалах внутренних дефектов, которые могут иметь критические значения для обеспечения безопасности и эффективности использования технических конструкций. Несмотря на множество имеющихся методов дефектоскопии существует потребность в инновационных разработках, способных обеспечить ее более высокую точность и эффективность. В данном исследовании объединены различные научные методы и технологии, оно открывает новые перспективы в неразрушающем контроле для обнаружения внутренних дефектов в различных материалах и структурах. Его цель - развитие и внедрение методов неразрушающего контроля на основе нейросетевого аппарата для повышения точности идентификации дефектов, а также разработка нейросетевой модели и оценка ее эффективности для усовершенствования процесса ультразвуковой визуализации внутренних дефектов в твердых материалах. В связи с этим задача, которую предстоит решить для достижения поставленной цели, заключается в создании надежного инструмента для точной визуализации размеров, форм, местоположения и ориентации внутренних дефектов в различных материалах.Материалы и методы. Применяется методика определения геометрических параметров дефектов в материалах с использованием неразрушающего контроля. Также используется метод, объединяющий моделирование распространения ультразвуковых волн в акустической среде и технологии искусственных нейронных сетей. Он выявляет нелинейные связи между геометрическими характеристиками дефектов и амплитудно-частотными и амплитудно-временными данными, полученными при анализе сигналов. Искусственные нейронные сети представляют собой модель, которая может обучаться на примерах, что позволяет эффективно решать задачи, которые сложно выразить в традиционных формах. В исследовании используется метод конечных разностей во временной области. Он применяется для идентификации и визуализации внутренних дефектов в материалах с использованием ультразвукового неразрушающего контроля и сверточных генеративных нейронных сетей.Результаты исследования. Разработана сверточная нейронная сеть для визуализации внутренних дефектов с использованием техник ультразвукового неразрушающего контроля. Эта нейронная сеть успешно определяет размер дефектов, их местоположение, форму и ориентацию с высокой точностью и надежностью.Обсуждение и заключение. Авторы подчеркивают ключевое влияние размера дефекта на точность ультразвуковой визуализации в различных сценариях. Проведенная валидация модели для трех различных случаев дефектов с разными механическими параметрами показала, что для успешной визуализации дефектов длина волны ультразвукового импульса должна быть в десятки раз меньше размера дефекта. При анализе влияния размера дефектов на точность работы нейронной сети выявлено, что ошибка визуализации увеличивается для дефектов меньшего размера.Установлено также, что относительная скорость звука в материалах оказывает большее влияние на точность метода, чем относительная плотность материала. На основании полученных авторами результатов можно утверждать, что разработанные методики и технические решения имеют большое значение для будущих исследований в области дефектоскопии, обладают весомым потенциалом для научных и практических сфер применения.