Дисертація має обсяг 80 сторінок, основна частина складається зі вступу, п’яти розділів, містить 29 рисунків, 25 таблиць, 4 додатки та 13 джерел літератури.
Мета дослідження - дослідити можливість використання нейронних мереж для прийняття рішень при імпульсному імпедансному контролі.
Об’єкт дослідження – методи машинного навчання для виявлення дефектів при імпульсному імпедансному контролі композиційних матеріалів.
Предмет дослідження - процес прийняття рішень на основі аналізу інформативних параметрів первинного перетворювача акустичного імпульсного імпедансного дефектоскопу.
В перших двох розділах дисертації проведено аналітичний огляд існуючих методів контролю композитів, основних дефектів в них та описані існуючі прилади та системи, що реалізують даний метод. В пояснювальній записці розглянуті фізичні основи імпедансного методу контролю.
В подальших розділах розкривається процес формування масиву вхідних даних для дослідження, розробки та тестування нейронної мережі, наведені графіки залежностей похибок від параметрів нейронної мережі. Для дослідження здатності нейронної мережі до навчання на підготовлених даних та подальшої класифікації ділянки виробу за ознакою наявності або відсутності дефекту було проведено створення та тестування нейронної мережі за допомогою бібліотеки Keras на базі мови програмування Python, яке підтвердило доцільність використання даного методу обробки інформації в імпедансному контролі композиційних матеріалів.
Керівник доц. Суслов Є.Ф.
Повний текст дисертації (.pdf)
Повний перелік магістерських дисертацій
Дисертація має обсяг 80 сторінок, основна частина складається зі вступу, п’яти розділів, містить 29 рисунків, 25 таблиць, 4 додатки та 13 джерел літератури.
Мета дослідження - дослідити можливість використання нейронних мереж для прийняття рішень при імпульсному імпедансному контролі.
Об’єкт дослідження – методи машинного навчання для виявлення дефектів при імпульсному імпедансному контролі композиційних матеріалів.
Предмет дослідження - процес прийняття рішень на основі аналізу інформативних параметрів первинного перетворювача акустичного імпульсного імпедансного дефектоскопу.
В перших двох розділах дисертації проведено аналітичний огляд існуючих методів контролю композитів, основних дефектів в них та описані існуючі прилади та системи, що реалізують даний метод. В пояснювальній записці розглянуті фізичні основи імпедансного методу контролю.
В подальших розділах розкривається процес формування масиву вхідних даних для дослідження, розробки та тестування нейронної мережі, наведені графіки залежностей похибок від параметрів нейронної мережі. Для дослідження здатності нейронної мережі до навчання на підготовлених даних та подальшої класифікації ділянки виробу за ознакою наявності або відсутності дефекту було проведено створення та тестування нейронної мережі за допомогою бібліотеки Keras на базі мови програмування Python, яке підтвердило доцільність використання даного методу обробки інформації в імпедансному контролі композиційних матеріалів.
