Международный
научный журнал

Устройство диагностики и дефектоскопии


Diagnosis and testing system

Цитировать:
Дедегкаев А.Г., Рыжков А.А. Устройство диагностики и дефектоскопии // Universum: Технические науки : электрон. научн. журн. 2016. № 3-4(25). URL: http://7universum.com/ru/tech/archive/item/3081 (дата обращения: 19.04.2019).
 
Прочитать статью:

Keywords: diagnosis, artificial neural network, amplitude analysis, amplitude resolution, distribution, classification

АННОТАЦИЯ

В статье приведено описание принципа работы устройства, позволяющего преждевременно выявлять неисправности различных механизмов. В качестве источника информации используются различные датчики, сигнал с которых после оцифровки и микропроцессорной обработки подвергается амплитудному анализу с последующей классификацией дефекта по форме распределения. В статье описаны основы обработки сигнала при помощи амплитудного анализа. Далее приведена блок-схема с описанием алгоритма работы устройства. При цифровой обработке сигнала задействован микропроцессорный модуль. При классификации распределений используется трехслойная искусственная нейронная сеть типа персептрон, обученная заранее по базе с распределениями с разными значениями среднего, среднеквадратического отклонения, дисперсии и т. д. Также вкратце приведен практический пример анализа распределения импульсов со звукового датчика. В статье приведены основные параметры импульсов, такие как отношение пик–долина, амплитудное разрешение, полная ширина на полувысоте. По этим параметрам делается вывод о наличии/отсутствии дефекта, также приведены формулы для их расчета. В качестве заключения приведена область применения устройства. Достоинством предлагаемого метода является его универсальность и относительная простота в реализации.

ABSTRACT

The article describes the system’s operating principle, which enables early fault detection of different mechanisms. As a source of information, various sensors are used. The signal after digitization and microprocessor processing undergoes to amplitude analysis with subsequent classification of defects by the form of distribution. The article describes the signal processing basis by means of amplitude analysis. The block diagram describes the algorithm of the device. In digital signal processing the microprocessor is involved. In the classification of the distributions, the three-layer artificial neural network of the perceptron type is being used. It is trained in advance on distributions with different values of the mean, standard deviation, and variance and so on. Also a practical example of the pulse distribution analysis with sound sensor is briefly shown. The basic parameters such as the ratio of the peak - valley amplitude resolution, the full width at half maximum are applied in the article. According to these parameters concludes the presence / absence of a defect and the formulas for calculating them. As a conclusion, we present the scope of the device. The advantage of the proposed method is its flexibility and relative ease of implementation.

 


Список литературы:

1. Вадзинский Р.Н. Справочник по вероятностным распределениям. – М.: Наука, 2001. – 246 с.

2. Галушкин А.И. Синтез многослойных систем распознавания образов. – М.: Энергия, 1974. – 380 с.
3. ГОСТ 29279-92. Многоканальные амплитудные анализаторы. Характеристики преобразователей интервалов времени в амплитуду и методы испытаний. – М.: Издательство стандартов, 1992. – 11 с.
4. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. – М.: Дело, 2007. – 504 с.

 


References:

1. Vadzinskij R.N. Handbook of probability distributions. Moscow, Nauka Publ. 2001. 246 p. (In Russian)

2. Galushkin A.I. Synthesis of multilayer pattern recognition systems. Moscow, Energiia Publ., 1974. 380 p. (In Russian)
3. State Standard 29279-92. Multichannel amplitude analyzers. Characteristics of slots amplitude converters and test methods. Moscow, Izdatel'stvo standartov Publ., 1992, 11 p. (In Russian)
4. Magnus J.R., Katyshev P.K., Pereseckij A.A. Econometrics. Initial course. Moscow, Delo Publ., 2007, 504 p. (In Russian)

 


Информация об авторах:

Дедегкаев Альберт Гагеевич Dedegkaev Albert Gageevich

д-р техн. наук, профессор, заведующий кафедрой промышленной электроники, факультет электронной техники (ФЭТ), Северо-Кавказский горно-металлургический институт (Государственный технологический университет), 362021, Россия, РСО-Алания, г. Владикавказ, ул. Николаева, 44

Doctor of Engineering Sciences, Professor, Head of the Department of Industrial Electronics, Faculty of Electronic Engineering, North-Caucasian Mining and Metallurgical Institute (State Technological University), 362021, Russia, Republic of North Ossetia-Alania, Vladikavkaz, Nikolaev str., 44


Рыжков Александр Александрович Ryzhkov Aleksandr Aleksandrovich

соискатель кафедры промышленной электроники, факультет электронной техники (ФЭТ), Северо-Кавказский горно-металлургический институт (Государственный технологический университет), 362021, Россия, РСО-Алания, г. Владикавказ, ул. Николаева, 44

Applicant of the Department of Industrial Electronics, Faculty of Electronic Engineering, the North-Caucasian Mining and Metallurgical Institute (State Technological University), 362021, Russia, Republic of North Ossetia-Alania, Vladikavkaz, Nikolaev str., 44


Читателям

Информация о журнале

Выходит с 2013 года

ISSN: 2311-5122

Св-во о регистрации СМИ: 

ЭЛ №ФС77-54434 от 17.06.2013

ПИ №ФС77-66236 от 01.07.2016

Скачать информационное письмо

Включен в перечень ВАК Республики Узбекистан

Размещается в: 

doi:

The agreement with the Russian SCI:

cyberleninka

google scholar

Ulrich's Periodicals Directory

socionet

Base

 

OpenAirediscovery

CiteFactor

Поделиться

Лицензия Creative CommonsЯндекс.Метрика© Научные журналы Universum, 2013-2019
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Непортированная.