2021
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/52264
Переглянути
5 результатів
Результати пошуку
Публікація Класифікація робочого стану підшипників кочення за допомогою згорткової нейронної мережі зі змінними факторами дилатації(Національний технічний університет "Харківський політехнічний інститут", 2021) Бабуджан, Руслан Андрійович; Ісаєнков, Костянтин Олександрович; Красій, Данило Максимович; Водка, Олексій Олександрович; Задорожний, Іван В'ячеславович; Ющук, Михайло ВікторовичРобота описує процес обробки даних роботи підшипників кочення, та їх використання в задачі побудови математичної моделі бінарної класифікації робочого стану підшипників методом згорткової нейронної мережі зі змінними факторами дилатаціїї ядер згорткових шарів. Для класифікації підшипників, що мають дефекти, були використані дані віброприскорень з власного випробувального стенду та з набору даних, що знаходяться у вільному доступі. В роботі також було досліджено спосіб узагальнення класифікації сигналів підшипників, що були отримані в результаті принципово різних експериментів, та що мають різний типорозмір. Для уніфікації сигналів пропонується наступний спосіб обробки: виділити ділянки даних із зсувом, перейти до частотного простору за допомогою швидкого перетворення Фур’є, відсікти частоти, що перевищують 10-кратну частоту обертання валу, відновити сигнал зі збереженням 10 періодів обертання валу, відмасштабувати отриманий сигнал діленням його на діаметр орбіти обертання тіла кочення та інтерполювати сигнал на 2048 точок. Даний алгоритм також дає можливість генерувати збалансовану вибірку для побудови математичної моделі. Ця можливість надається за допомогою варіювання кроку розбиття початкового сигналу. Перевага даного алгоритму над класичними методами копіювання чи видалення прикладів постає у створенні нових об’єктів, які уточнюють статистичні параметри генеральної сукупності. Алгоритм обробки сигналу було використано як для задачі бінарної класифікації всередині одного набору даних, так і для навчання на одному та тестуванні на іншому. Для збільшення набору даних для навчання та тестування математичної моделі використовується метод бутстрапування, який засновано на багаторазовій генерації вибірок методом Монте-Карло. Якість математичної моделі бінарної класифікації оцінювалась за часткою правильних відповідей. Задача сформульована як задача мінімізації бінарної перехресної ентропії. Отримані результати представлено в вигляді графіків, демонструючих процес навчання нейронної мережі та графіків щільності розподілу метрик.Публікація Дослідження механічних характеристик плетеного вуглепластику(Національний технічний університет "Харківський політехнічний інститут", 2021) Богатир, Михайло Сергійович; Водка, Олексій Олександрович; Львов, Геннадій Іванович; Чепелюк, Олександр ОлександровичЗастосування композитних матеріалів в різних галузях сучасної промисловості стрімко збільшується завдяки їхніми високими міцностними властивостями, малою масою та хорошою технологічностю. Велика розмаїтість застосовуваних матеріалів, видів армування і внутрішніх структур викликає потребу в дослідженнях статичних і динамічних властивостей композиційних матеріалів. Завдяки останнім досягненням в області технологій композитні матеріали широко використовуються в різних промислових цілях. В результаті виникає значний інтерес до вивчення та розуміння поведінки композитних структур. Аналіз композитних конструкцій, вивчення резонансних частот, факторів демпфірування та модальних форм зіграв важливу роль у визначенні динамічних характеристик конструкції, виявленні пошкоджень та моніторингу стану структури композиту. В ході даної роботи представлено результати розрахунково-експериментальних досліджень модуля пружності, власних частот та форм коливань, демпфуючі властивості композитного матеріалу. Випробування проводилися над зразками плетеного десятишарового вуглепластика. Досліджуваний вуглепластик, армований вуглецевим волокном, має полотняне плетіння. Зразки були вирізані в трьох напрямках: основи (під кутом 0 °), утка (під кутом 90 °) та під кутом 45 °. Для кожного напряму було заготовлено по дев'ять зразків. Для дослідження модуля пружності було використано установку для випробувань на розтяг, а для визначення власних частот та форм коливань-вібростенд. Демпфуючі властивості розраховані методом Оберста, на основі амплітудно-частотних характеристик зразків. Проведена статистична обробка результатів експерименту та отримано значення математичного очікування, дисперсії та середнього квадратичного відхилення. Побудовано геометричні та скінченно-елементні моделі зразків вуглепластика, визначені їх власні частоти та форми коливань. Проведено порівняння розрахунково-експериментальний даних з численними розрахунками, використовуючи метод скінченних елементів.Публікація Застосування методів штучного інтелекту для апроксимації механічної поведінки гумоподібних матеріалів(Національний технічний університет "Харківський політехнічний інститут", 2021) Погребняк, Сергій Віталійович; Водка, Олексій ОлександровичУ ХХІ сторіччі нейронні мережі широко використовуються в різних сферах, в тому числі в комп’ютерному моделюванні і в механіці. Така популярність через те, що вони дають високу точність, швидко працюють та мають дуже широкий спектр налаштувань. Мета роботи створення програмного продукту з використанням елементів штучного інтелекту, для інтерполяції та апроксимації експериментальних даних. Програмне забезпечення повинно коректно працювати, та давати результати з мінімальною похибкою. Недоліком використання математичних підходів до обчислення та прогнозування петель гістерезису є те шо вони досить погано описують розвантаження, таким чином отримуємо не коректні данні для розрахунків напружено-деформованого стану конструкції. Інструментом вирішення було використання елементів штучного інтелекту, а точніше нейронних мереж прямого поширення. В роботі збудована та навчена нейронна мережа прямого поширення. Вона була навчена вчителем (вчитель з використанням метода зворотного розповсюдження похибки) на основі навчаючої вибірки попередньо проведеного експерименту. Для тестування було побудовано декілька мереж різної структури, які отримували на вхід однаковий набір даних який не використовувався при навчанні, але був відомий з експерименту, таким чином була знайдена похибка мережі за кількістю виділеної енергії та за середньо-квадратичним відхиленням. У статті детально описується математична інтерпретація нейронних мереж, спосіб їх навчання, попередньо проведений експеримент, архітектура мережі та її топологія, метод навчання, підготовки навчаючої вибірки та вибірки тестування. В результаті проведеної роботи було збудоване та протестоване програмне забезпечення в якому використовувалась штучна нейронної мережа, було побудовано та протестоване декілька типів нейронних мереж з різними вхідними даними та внутрішніми структурами, визначені їх похибки, сформовані позитивні та негативні якості мереж які використовувались.Публікація Використання методів машинного навчання для бінарної класифікації робочого стану підшипників за сигналами їх віброприскорення(Національний технічний університет "Харківський політехнічний інститут", 2021) Бабуджан, Руслан Андрійович; Ісаєнков, Костянтин Олександрович; Красій, Данило Максимович; Водка, Олексій Олександрович; Задорожний, Іван В'ячеславович; Ющук, Михайло ВікторовичВ роботі досліджується зв’язок між віброприскоренням підшипників з їх робочим станом. Для визначення цих залежностей було побудовано випробувальний стенд та проведено 112 експериментів з різними підшипниками: 100 підшипників, у яких під час експлуатації розвинувся внутрішній дефект та 12 підшипників без дефекту. З отриманих записів було сформовано набір даних, який використовувався для побудови класифікатору та знаходиться у вільному доступі. Був запропонований метод для класифікації нових та використаних підшипників, що полягає у пошуку залежностей та закономірностей сигналу за допомогою описових функцій: статистичних, ентропій, фрактальних розмірностей та інших. Окрім обробки самого сигналу, також використовувалося частотне представлення сигналу роботи підшипників для доповнення простору ознак. У роботі було перевірено можливість узагальнення класифікації для її застосування на тих сигналах, які не були отримані під час лабораторних експериментів. Сторонній набір даних було знайдено у вільному доступі. Цей набір даних був використаний для того, щоб визначити, наскільки точним буде класифікатор, який навчався та тестувався на істотно різних сигналах. Навчання та валідація проводилась методом бутсрапування для викорінення ефекту випадковості з огляду на малий об’єм наявних даних для навчання. Для оцінки якості класифікаторів було використано F1-міру, як основну метрику, через незбалансованість наборів даних. В якості моделей класифікатору були обрані наступні алгоритми машинного навчання з вчителем: логістична регресія, метод опорних векторів, випадковий ліс та метод найближчих сусідів. Результати представлені в вигляді графіків густини розподілу та діаграм.Публікація Дворівневі математичні моделі визначення напруженого стану та ресурсу пластини з отвором(Національний технічний університет "Харківський політехнічний інститут", 2021) Шаповалова, Марія Ігорівна; Водка, Олексій ОлександровичСучасні тенденції розвитку машинобудування та інших галузей, пов’язаних з виробництвом матеріалів та конструкцій із заданим комплексом фізико-механічних та технологічних властивостей – спрямовані на зниження матеріалоємності, енерговитрат, підвищенню точності, надійності та конкурентоспроможності виготовленого продукту. Тому створення математичних методів оцінки напруженого стану елементів конструкції на основі аналізу пружних характеристик матеріалу з урахуванням особливостей його внутрішньої мікроструктури є актуальною задачею. Алгоритм, що розглядається, включає наступні етапи: ідентифікація параметрів міцності з використанням даних, отриманих із зображень мікроструктури матеріалу; вивчення напружено деформованого стану моделі на основі варіаційно-різницевого методу скінченних елементів; формування система лінійних алгебраїчних рівнянь для вирішення задачі аналізу пружних властивостей матеріалу використовуючи плоску задачу теорії пружності; побудова поверхні текучості матеріалу для серії випробувань спираючись на критерії міцності композиційних матеріалів, які враховують різний супротив матеріалу при розтягуючих та стискаючих навантаженнях. На основі розробленої математичної моделі проводиться оцінка НДС та поверхні текучості пластинки з отвором. Аналіз конструкції проводиться на макро та мікро рівні. Виникнення пластичних деформацій на мікрорівні може призвести до розвитку тріщин та структурних руйнувань на макрорівні. У результаті дослідження визначена ймовірність виникнення пластичної деформації у пластині, та встановлені критичні зони моделі, які потребують ретельного контролю. Практичне значення одержаних результатів полягає у створенні підходу для оцінки механічних властивостей матеріалу, таких як модуль пружності, зсуву, коефіцієнта Пуассона, та їх ймовірнісних характеристик відповідно до внутрішньої структури; а також у аналізі коефіцієнтів взаємного впливу другого роду – такий підхід сприяє розширенню знання про матеріал та дозволяє збільшити кількість корисної інформації отриманої шляхом його моделювання. Для оцінки ймовірності виникнення пластичних деформацій запропонований метод, що працює не у детермінованій постановці, а використовує весь набір ймовірнісних характеристик поверхні текучості.