Solution of the problems of standardless diagnostics of pipes requires application of data processing methods, which are oriented to a wide range of control objects, allows fast and effective diagnostics, are adapted to variation of testing conditions and permit modification of program modules without any significant changes in the main software structure. This paper is devoted to investigation and software realization of modified ART-2 and Fuzzy-ART neural networks to solve the problems of classification of defects in honeycomb panels. Developed neural networks are used in the system of standardless diagnostics of products from composite materials. Structure and operating algorithm of developed neural networks are described. Structure and main modules of the developed software for operation with the described neutral networks are also presented. The advantages of the developed neural network and system as a whole are its architecture flexibility, high performance and reliability of data processing. The paper gives the results of investigation of the developed system based on ART-2 and Fuzzy-ART networks for diagnostics of technical condition of honeycomb panels. The classifier based on the described neural networks can automatically change its settings during training, reaching the highest reliability of control at detection and classification of subsurface defects in honeycomb panels, as well as defects located on the back side of the panel of 2 cm2 area at thickness of composite panel equal to 12.8 mm. Reliability of non-destructive testing with the specified classifier is equal to 90 ? 95%.
Решение задач без эталонной диагностики требует использования методов обработки данных, которые ориентированы на широкий набор объектов контроля, позволяют быстро и эффективно проводить диагностику, допускают адаптацию к изменениям условий проведения контроля и позволяют вносить изменения в программные модули без значительных изменений в основной структуре программного обеспечения. Статья посвящена исследованию и программной реализации модифицированных нейронных сетей ART-2 и Fuzzy-ART для решения задач классификации дефектов сотовых панелей. Разработанные нейронные сети используются в составе системы без эталонной диагностики изделий из композиционных материалов. Описано структуру и алгоритм работы разработанных нейронных сетей. Также представлены структура и основные модули разработанного программного обеспечения для работы с представленными нейронными сетями. Преимуществом описанной нейронной сети и системы в целом является гибкость ее архитектуры, высокое быстродействие и высокая достоверность обработки информации. Приведены результаты использования разработанной системы на основе сетей ART-2 и Fuzzy-ART для диагностики технического состояния сотовых панелей. Классификатор на основе описанных нейронных сетей во время обучения может автоматически изменять свои параметры, достигая наилучшей достоверности контроля при обнаружении и классификации подповерхностных дефектов в сотовых панелях, а также дефектов, которые расположены с обратной стороны панели, площадью от 2 см2 при толщине композитной панели 12,8 мм Надежность неразрушающего контроля с помощью указанного классификатора составляет 90...95 %. Применение нейронной сети Fuzzy-ART обеспечивает лучшие показатели достоверности контроля, чем применение сети ART-2. Библиогр. 9 назв., табл. 1, рис. 3.
