LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA

LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA AE SOURCE LOCATION BY NEURAL NETWORKS INDEPENDENT ON MATERIAL AND SCALE CHANGES Milan CHLADA, Zdeněk PŘEVOROVSKÝ Ústav termomechaniky AV ČR, v.v.i., Dolejškova 1402/5, 182 00 Praha 8 Contact e-mail: [email protected]

DEFEKTOSKOPIE 2010

LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA ÚVOD ČASOVÉ PROFILY METODOLOGIE APLIKACE ANN - UČENÍ

NUMERICKY GENEROVANÝMI DATY

(zadání tvaru součástky, metoda hledání nejkratších cest, výpočet časových profilů, učení neuronových sítí)

- TESTOVÁNÍ NA REÁLNÝCH MĚŘENÍCH - ZÁVISLOST VÝSLEDKŮ NA KONFIGURACI SNÍMAČŮ

ZÁVĚRY DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA

ÚVOD Prvotní úkol analýzy emisní aktivity: LOKALIZACE ZDROJE Triangulační algoritmus - vstupními daty jsou časové diference příchodů signálů a rychlost elastické vlny - analytické vzorce jsou známé jen pro tenké isotropní desky a geometricky spojité součásti

Umělé neuronové sítě (ANN) - lze aplikovat i na vysoce anizotropní materiály - rychlost šíření elastické vlny není vstupním parametrem - problematické získávání dostatečného počtu tréninkových a testovacích dat - nepřenositelnost konkrétní naučené sítě na jinou úlohu

Možné řešení: matematický model šíření napěťových vln Za předpokladu, že nejrychlejší typ vlny se šíří po geometricky nejkratších cestách: cestách:

Metoda geodetických křivek - nutný parametrický popis součásti, součásti, řešení dif. rovnic, rovnic, diskretizace uzlovými body - výsledek lze interpretovat jako tabulku typických časových diferencí

ANN + ČASOVÉ PROFILY - časové profily umožňují num. generování přesných učících dat bez měřících chyb s využitím metody pro aproximaci geodetických vzdáleností v diskrétně zadaných tělesech (2D (2D i 3D) 3D) - nezávislost ANN na změně materiálu a měřítka => PŘENOSITELNOST DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA

ZONÁLNÍ LOKALIZACE Rozdělení konstrukce na zóny podle prvního příchodu signálu AE k jednotlivým snímačům 250 50

100 200

200

S9 S4

9

250

300

S5

4

3

10

S10

2

150

1

5

350

S3

400

S2

100

7

S1 S7

450

vzdálenost od snímače [pixely]

souřadnice y [pixely]

150

50

500

550

100

200

300

400 500 souřadnice x [pixely]

600

700

800

900

0

DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA

Demonstrační schéma měření signálu AE (2D model) S4

Si - snímače

(t4)

S3

ZDROJ AE

d = vT

(čas tS)

d = 2 Tv 2

S )v

+

(t3)

d

1 =(

t1

-t

t2

S1

t1

šíření elastické vlny

S2

značení: ts - čas inicializace zdroje AE ti - čas příchodu signálu Ti - čas šíření signálu od zdroje ke snímači Si T - normalizační perioda di - vzdálenost mezi zdrojem AE a snímačem d - vzdálenost mezi dvěma vhodně zvolenými body v - rychlost šíření elastické vlny


DEFINICE ČASOVÝCH PROFILŮ Časový profil je vektor s následovně definovanými složkami pi : N

N Ti − ∑ T j pi =

j=1

N

∑

k =1

∣

1 Tk − N

ČASY PŘÍCHODŮ

tS

t2 t1 t4 t3

p1

p4 p3

+ +

S3 S2

T1

S1

∣

S4

T2

S2

j=1

p2

T3

S3

∑T j

ČASOVÝ PROFIL

T4

S4

N

+ +

S1 [s]

-1

0

1


VLASTNOSTI ČASOVÝCH PROFILŮ Výpočet pomocí časů příchodů (ts - čas inicializace zdroje AE) AE): N

N

N t i − t s  − ∑ t j − t s  pi =

N ti − ∑ t j

j=1

N

∑ k =1

∣

1 tk − t s − N

N

∑ t j − t s  j=1

∣

=

j=1

N

∑ k =1

∣

1 tk − N

N

∑tj j=1

∣

Nezávislost časových profilů na změně měřítka a materiálu: materiálu: N di dj N −∑ v j=1 v pi = N = N dk dj 1 − ∑ v N∑ j=1 v k =1

∣

∣

N

N di − ∑ d j j =1

N

∑ k =1

∣

1 dk − N

N

∑dj j=1

∣


EXPERIMENT Záznam emisních dat (navzorkované signály): signály): Únavová zkouška řídící kulisy z předního podvozku letounu, tzv. Steering Actuator Bracket (SAB).

Zatěžovací podmínky: Cyklické tahové namáhání jednoosovým zatěžovacím strojem (dosud 290000 cyklů) Instron-Schenck 100 kN (R=0, frekvence 0.5-1 Hz) maximální silou 50kN.

Monitorovací AE systém: DAKEL XEDO AE Výpočet časových profilů: z časů příchodů určených expertním algoritmem


LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ SAB Rozmístění virtuálních učících zdrojů 50 100


150 200

S9

S4

250 300 350

S3

400

S2

450 500

550 100

200

300

400

500

600

700

800

900

souřadnice x [pixely]


APLIKACE UMĚLÝCH NEURONOVÝCH SÍTÍ Učení ANN

p1 p2 p3 p4

x . . .

.. .. ..

wi

2

y

SOUŘADNICE ZDROJE AE (odhad)

VSTUPY (časové profily)

- architektura sítě (počty neuronů v každé vrstvě): vrstvě): 4-39-17-2 - inicializační váhy nastaveny statistickou optimalizací startovních potenciálů neuronů - váhy a prahy postupně korigovány resilientní verzí algoritmu back-propagation s regularizací (učící data - síť virtuálních zdrojů)


LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ SAB Zpětná projekce učících bodů do tréninkové oblasti 50 100


150 200

S9

S4

250 300 350

S3

400

S2

450 500

550 100

200

300

400

500

600

700

800

900



LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ SAB Výsledky lokalizace tří sad pen-testů 50 100


150 200

S9

S4

1 250 300

2

350

3

S3

400

S2

450 500

550 100

200

300

400

500

600

700

800

900



LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ SAB Výsledky lokalizace reálného zdroje AE 50 100


150 200

S9

S4

250 300 350

S3

400

S2

450 500

550 100

200

300

400

500

600

700

800

900



LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ Střešní nosník (I-profil) Rozmístění virtuálních učících zdrojů

S2

S3

S1

S4 100 mm


LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ Střešní nosník (I-profil) Zpětná projekce učících bodů do tréninkové oblasti

S2

S3

S1

S4 100 mm


LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ Střešní nosník (I-profil) Výsledky lokalizace tří sad pen-testů

S2

S3

S1

S4 100 mm


LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ Střešní nosník (I-profil) Projekce učících bodů - výsledky pro různé konfigurace snímačů S3

S1

S3

S1

S4 S2

S2

S4

Množina virtuálních učících zdrojů by neměla obsahovat body, které mají téměř shodné vzdálenosti ke všem snímačům, čímž dochází k dělení velmi malými čísly. DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA

ZÁVĚRY Relativizace chronologie příchodů signálu AE k jednotlivým snímačům pomocí časových profilů umožňuje významné rozšíření aplikačních možností ANN. ANN. Časové profily umožňují numerické generování dostatečného počtu přesných učících dat a následné testování naučených ANN na datech z reálného experimentu. experimentu. K jejich výpočtu lze použít vzdálenosti emisních zdrojů ke snímačům, odhadnuté algoritmem pro hledání nejkratších cest v materiálu na rastrovém obrázku konstrukce. Časové profily jsou nezávislé na změně měřítka a rychlosti elastické vlny, tzn. naučené neuronové sítě jsu přenositelné na všechny proporcionálně shodné konstrukce. Pro zaručení numerické stability metoda paradoxně vyžaduje nesymetrické konfigurace snímačů AE. AE. Největším zdrojem lokalizačních chyb je nepřesné určení začátku signálů a nikoli aproximační chyba naučené neuronové sítě. Metoda časových profilů se spolu s ANN ukázala jako přenosný, robustní a snadno aplikovatelný algoritmus pro lokalizaci zdrojů AE. DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA

LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA

Recommend Documents