چکیده
تخمین پارامترهای شکاف‌ها از روی داده‌های تست غیر مخرب جریان گردابی یک ابزار مهم برای ارزیابی یکپارچگی ساختار بخش‌های فلزی حساس است. در سال‌های اخیر، تحقیقات متعددی، استفاده از شبکه‌های عصبی مصنوعی (ANN) را برای انجام تحلیل‌های مربوط به رابطه پیچیده بین داده‌های تست و مشخصه‌های شکاف‌ها پیشنهاد داده‌اند. به‌منظور استخراج ویژگی‌های مربوطه با استفاده از ANN، تحلیل مؤلفه‌های اساسی، تجزیه موجک و تبدیل فوریه گسسته پیشنهاد شده است. در این مقاله، روشی برای تخمین پارامترهای اندازه‌ای ساختار، از روی داده‌های تست جریان گردابی پیشنهاد می‌شود. استخراج ویژگی بر اساس مدل‌سازی داده‌های تست با الگویی از توابع گاوسی جمع‌پذیر و نیز رگرسیون‌های غیرخطی به‌منظور تخمین پارامترهای ساختار، صورت می‌گیرد. یک شبکه عصبی ANN نیز با استفاده از ویژگی‌های استخراج شده از روی داده‌های ترکیبی، آموزش داده شده است که خود این مجموعه داده ترکیبی نیز با مدل‌سازی المان محدود برای پروب جریان گردابی به دست آمده است. روش پیشنهادی هم روی داده‌های شبیه‌سازی شده و هم روی داده‌های اندازه‌گیری شده اعمال شده است که در نتیجه تخمین‌های قابل قبولی را نشان می‌دهد.
1-مقدمه
تست غیر مخرب (NDT) دسته‌ای از روش‌های مورد استفاده برای ارزیابی و تعیین مشخصه‌های مواد بدون تغییر مشخصه‌های اصلی آن‌ها می‌باشد. این روش‌ها به صورت گسترده در پروسه‌های پزشکی[1]، پروسه‌های غذایی [2]، و کاربردهای صنعتی [3] مورد استفاده قرار می‌گیرند که مستلزم سطوح بالایی از قابلیت اطمینان و نیز هزینه‌های بالای تجهیزات و مواد می‌باشند. علاوه بر این، استفاده از این روش‌ها روی کنترل کیفیت نیز به صورت روزافزونی در حال افزایش است، و امروزه، به نظر می‌رسد که به یک ابزار کم‌هزینه برای بسیاری از شرکت‌های سازنده بدل شده است. روش‌های NDT ی متعددی بر اساس قواعد فیزیکی مختلف مربوط به عملکرد، نظیر فراصوت، جریان گردابی، پرتوی X، ذرات مغناطیسی و نفوذکننده خشک ارائه شده است. انتخاب روش صحیح می‌بایست بر اساس معیارهای امنیت، مسائل اقتصادی، عملی و نیز بازدهی مورد نظر باشد...
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید.