Details

Title Метод выявления дефектов на основе машинного обучения по данным акустической эмиссии при изготовлении и испытании сварных конструкций: выпускная квалификационная работа магистра: направление 02.04.03 «Математическое обеспечение и администрирование информационных систем» ; образовательная программа 02.04.03_01 «Разработка и математическое обеспечение интеллектуальных информационных систем»
Creators Стояновский Лев Олегович
Scientific adviser Белых Игорь Николаевич
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint Санкт-Петербург, 2022
Collection Выпускные квалификационные работы; Общая коллекция
Subjects Машинное обучение; Сварные конструкции; акустическая эмиссия; анализ данных; кластеризация; дефектоскопия; acoustic emission; data analysis; clustering; flaw detection
UDC 004.85; 621.791:624.014; 624.014.25
Document type Master graduation qualification work
File type PDF
Language Russian
Level of education Master
Speciality code (FGOS) 02.04.03
Speciality group (FGOS) 020000 - Компьютерные и информационные науки
DOI 10.18720/SPBPU/3/2023/vr/vr23-451
Rights Доступ по паролю из сети Интернет (чтение)
Record key ru\spstu\vkr\20719
Record create date 4/3/2023

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Group Anonymous
Network Internet

Тема выпускной квалификационной работы: «Метод выявления дефектов на основе машинного обучения по данным акустической эмиссии при изготовлении и испытании сварных конструкций». В данной работе исследуется использование методов машинного обучения применительно к неразрушающему контролю сварных соединений при помощи акустической эмиссии. Было описано современное состояние области контроля сварки акустической эмиссией. На основе существующих решений был создан свой прототип инструмента для контроля, проведено моделирование образования холодных трещин и модернизирован существующий метод для их обнаружения, а также исследована возможность обнаружения горячих трещин. Полученные методы позволяют обнаруживать дефекты с высокой точностью в режиме реального времени, что должно способствовать стандартизации результатов обработки сигналов и упрощению обнаружения дефектов. В свою очередь результат исследования возможности обнаружения горячих трещин должен дать первичный толчок для появления дальнейших научных работ по изучению их выявления.

The subject of the graduate qualification work is «Method for detecting defectsbased on machine learning using acoustic emission data during manufacture and testingof welded structures». In this paper, the use of machine learning methods in relation to non-destructivetesting of welded joints using acoustic emission is investigated. The current state of theacoustic emission welding control field was described. Based on the existing solutions,the own prototype of defect controlling tool was created, cold crack formation wassimulated, the existing method for detecting them was upgraded, and the possibility ofdetecting hot cracks was investigated. The obtained methods allow detecting defectswith high accuracy in real time, which should contribute to the standardization of signalprocessing results and simplify the detection of defects. In turn, the result of the study ofthe possibility of detecting hot cracks should give a primary impetus to the appearanceof further scientific works on the study of their detection.

Network User group Action
ILC SPbPU Local Network All
Read
Internet Authorized users SPbPU
Read
Internet Anonymous

Access count: 6 
Last 30 days: 1

Detailed usage statistics