Ανίχνευση βλάβης σε πληθυσμό σύνθετων δοκών μέσω σημάτων ταλάντωσης και μεθόδων βασιζόμενων σε πολλαπλά μοντέλα και αυτοκωδικοποιητές
Loading...
Date
Authors
Φατιόν, Φέρα
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Στην προκείμενη διπλωματική εργασία γίνεται χρήση αλγορίθμων Τεχνητής Νοημοσύνης και συγκεκριμένα των
Αυτοκωδικοποιητών και της μεθόδου Πολλαπλών Μοντέλων προκειμένου να αναπτυχθούν εύρωστες μέθοδοι
ανίχνευσης βλάβης σε έναν πληθυσμό σύνθετων δοκών που χρησιμοποιούνται σε στόλο αεροπορικών κατασκευών.
Σε αεροναυπηγικές κατασκευές απαραίτητο είναι η ανίχνευση βλάβης να γίνεται απομακρυσμένα και εν ώρα
λειτουργίας προκειμένου να εξοικονομηθούν κόστη συντήρησης και να βελτιστοποιηθεί ο χρόνος πτήσης τους. Εκ
κατασκευής στις σύνθετες δομές που χρησιμοποιούνται στην αεροναυπηγική εισάγονται μεταβλητότητες στα
γεωμετρικά χαρακτηριστικά και ιδιαίτερα το πάχος, γεγονός που δυσκολεύει την ανάπτυξη μιας εύρωστης μεθόδου
που θα εξυπηρετεί όλον τον στόλο των αεροσκαφών. Η μεταβολή της δυναμικής λόγω της μεταβλητότητας του
πάχους της κατασκευής επικαλύπτει την αλλαγή στην δυναμική λόγω της βλάβης. Αυτή την πρόκληση επικαλείται να
αντιμετωπίσει η παρούσα διπλωματική εργασία. Η κατασκευή προσομοιώνεται στο λογισμικό Ansys υπό σταθερές
περιβαλλοντικές συνθήκες και διεγείρεται με δυνάμεις που μοντελοποιούν ριπές ανέμου. Μοναδική μεταβλητότητα
στο σύστημα είναι αυτή του πάχους της δοκού η οποία αναπτύσσεται κατά την διαδικασία του πολυμερισμού της
μήτρας των συνθέτων υλικών. Οι μέθοδοι δεν χρησιμοποιούν δεδομένα των εισόδων, βασίζονται μονάχα στα σήματα
ταλάντωσης των αποκρίσεων. Η δυναμική της δοκού αντιπροσωπεύεται από Πολλαπλής Εισόδου και Μοναδικής
Εξόδου συναρτήσεις Transmittance οι οποίες μοντελοποιούνται με στοχαστικά μοντέλα αυτοπαλινδρόμησης με
εξωγενείς ψευδό-διεγέρσεις ARX.Οι παράμετροι του ARX εισάγονται στο Νευρωνικό Δίκτυο και αποτελούν το
χαρακτηριστικό διάνυσμα για την μέθοδο Πολλαπλών Μοντέλων. Η βλάβη που μελετάται είναι μια διαμπερής οπή
αισθητού πάχους με τρία διαφορετικά μήκη. Τα αποτελέσματα της μεθόδου Πολλαπλών Μοντέλων είναι βέλτιστα
ακόμη και για την μικρή βλάβη ενώ ο Αυτοκωδικοποιητής ανιχνεύει τις βλάβες με μεγάλη ακρίβεια για πολύ μεγάλο
ποσοστό ψευδοσυναγερμού. Αυτό οφείλεται στην πολυπλοκότητα του νευρωνικού δικτύου.
Description
Keywords
Τεχνητή νοημοσύνη, Παρακολούθηση δομικής ακεραιότητας, Σύνθετες δοκοί, Πολλαπλά μοντέλα