автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Нейросетевая система назначения приоритетов в обработке и отображении информации при проведении испытаний

Введение.

Глава 1. Введение в прочностные испытания при действии заданных нагрузок. Общая постановка задачи.

1.1. Измерительная система.

1.2. Обработка и анализ результатов.

1.3. Алгоритмы сокращения избыточности и повышения достоверности измерительной информации.

1.4. Управление нагружением при проведении испытаний.

1.5. Усталостные испытания прочности конструкций.

1.6. Испытания на действие импульсных нагрузок.

1.7. Статические прочностные испытания.

1.8. Актуальность, научная новизна и практическая ценность работы.

1.9. Общая постановка задача

Глава 2. Сведения о нагрузках, действующих на летательный аппарат в полете.

2.1. Коэффициент перегрузки.

2.2. Зависимость маневренной перегрузки самолета от параметров его движения

2.3. Перегрузки при полете в неспокойном воздухе.

2.4. Исходные условия для расчета на прочность.

2.5. Коэффициент безопасности.

2.6. Определение нагрузок, действующих на крыло.

2.7. Распределение нагрузки по крылу

2.8. Построение эпюр поперечных сил, изгибающих и крутящих моментов

2.9. Выводы по главе 2.

Глава 3. Разработка процедуры приоритетного отображения информации на экране в ходе прочностных испытаний.

3.1. Выбор модели нарастания отказов конструкции при увеличении нагружения.

3.2. Постановка задача оптимального отображения информации при нагружении конструкции.

3.3. Применение динамического программирования для приближенного решения задачи оптимизации.

3.4. Вывод формулы назначения динамических приоритетов для предъявления страниц на экран.

3.5. Составление необходимого числа линейных алгебраических уравнений в окрестности минимального риска.

3.6. Нахождение коэффициентов аппроксимации и составление формулы назначения динамических приоритетов в квадратурах.

3.7. Выводы по главе 3.

Глава 4. Нейросетевая реализация процедуры приоритетного отображения тензометрической информации на экране

4.1. Нейронные сети.

4.1.1. Элементы нейронных сетей.

4.1.2. Архитектура нейронных сетей.

4.1.3. Решение задач нейронными сетями.

4.1.4. Обучение нейронных сетей.

4.1.5. Базовый процессорный элемент - БПЭ.

4.1.6. НС прямого распространения и алгоритм обучения обратного распространения ошибки.

4.1.7. Подход к нейронному управлению.

4.2. Примеры обучения нейронной сети, предназначенной для назначения динамических приоритетов.

4.3. Результаты обучения и найденная структура двухуровневой нейронной сети для приоритетного наблюдения на экране.

4.4. Выводы по главе 4.

Глава 5. Нейросетевая система группового анализа напряженного состояния конструкций при статических прочностных испытаниях

5.1. Анализ локальной области испытуемой конструкции с помощью искусственной нейронной сети.

5.2. Групповой нейросетевой анализ однотипных элементов конструкции при установке тензодатчиков в определенном сечении или площади.

5.3. Нейросетевой анализ поведения сложных конструкций при нагружении

5.4. Выводы по главе 5.

В настоящее время сложился определенный вид статических прочностных испытаний под действием ступенчато растущих нагрузок при измерении напряжений конструкции с помощью большого числа тензодатчиков.

Результаты измерений после цифровой обработки на ЭВМ оформляются в виде нескольких страниц информации, каждая из которых состоит из заданного числа строк и может быть предъявлена человеку-оператору на экране системы отображения. При этом каждая строка содержит данные о номере шага нагружения и об уровне напряженности конструкции в отдельном месте. Оператор за заданное время может просматривать одну страницу на экране, выявляя существенные изменения параметров, а затем переходить к просмотру другой страницы.

Однако при последовательном переборе страниц на экране в некоторых непоказанных вовремя страницах появятся новые важные сведения о опасных нарушениях прочности конструкции, и это приведёт к аварии. При увеличении числа страниц такой способ становится неэффективным. Поэтому задача назначения динамических приоритетов в предъявлении наиболее важных страниц является актуальной [1].

Кроме того, весьма важно провести групповой анализ показаний тензодатчиков, установленных на одном конструктивном узле, чтобы принять ответственное решение о состоянии его прочности в целом и, если нужно, снизить или снять нагрузку для предотвращения разрушения конструкции.

Целью данной диссертационной работы является разработка процедуры приоритетного отображения тензометрической информации на экране и нейросетевой системы группового анализа напряженного состояния конструкции при статических прочностных испытаниях.

При проведении исследований решались следующие задачи:

1. Анализ функционирования системы и проведение расчета сил нагру-жения, имитирующих наиболее напряженные режимы полета летательного аппарата;

2. Разработка процедуры назначения динамических приоритетов для предъявления страниц тензометрической информации на экран;

3. Реализация процедуры приоритетного отображения информации с помощью нейронной сети (НС);

4. Разработка нейросетевой процедуры группового анализа напряженного состояния элемента конструкции при её статических прочностных испытаниях.

В данной диссертационной работе на защиту выдвигаются следующие основные положения:

1. Процедура приоритетного предъявления страниц тензометрической информации на основе динамического программирования;

2. Схема управления наблюдением на экране и нейросетевая структура альтернативного выбора предъявляемой страницы на экран;

3. Нейросетевая процедура группового анализа напряженного состояния конструкции в однотипных сечениях или всей конструкции при контроле в зоне упругих деформаций с помощью массовой тензометрии.

Научная новизна полученных результатов состоит в следующем:

- процедура приоритетного предъявления получена с помощью предложенного критерии оптимизации, обеспечивающего минимум среднего количества потерянной информации из-за её старения вследствие задержек времени в наблюдении страниц на экране.

- найденное правило назначения приоритетов учитывает в свертке как априорную важность наблюдаемых страниц, так и апостериорное число отказов в прочности в отдельных точках конструкции и время задержки в их предъявлении.

- показана возможность поочередной реализации процедур альтернативного выбора страниц и группового анализа состояния прочности конструкции на основе одной двухслойной НС.

- нейросетевая процедура группового анализа состояния прочности конструкции обеспечивает повышенную достоверность контроля, т. к. нейронная сеть играет роль своеобразного сумматора небольших отклонений работы конструкции в различных точках и позволяет спрогнозировать развитие аварийной ситуации при испытаниях.

Практическая ценность работы состоит в том, что в результате использования оптимальной процедуры назначения динамических приоритетов в наблюдении страниц резко сокращается время задержки в их предъявлении. В частности, по сравнению с режимом последовательного перелистывания страниц запаздывание в восприятии опасных ситуаций снижается в 3-4 раза. Кроме того, предложенная нейросетевая процедура группового анализа большого числа тензодатчиков, установленных в выявленном опасном месте, позволяет предотвратить испытуемую конструкцию от разрушения.

Достоверность полученных результатов подтверждается применением научно обоснованных методов динамического программирования, теории оптимального управления, методов искусственного интеллекта. Ряд примеров для обучения нейронных сетей взят из реального полученных данных прочностного эксперимента. Моделирование на ЭВМ предложенных нейронных сетей подтвердило их работоспособность.

Апробация работы. Результаты диссертации докладывались на 5 международных и общероссийских научно-технических конференциях: "Современные технологии в задачах управления, автоматики и обработки информации" (XIII международный научно-технический семинар, Алушта 2004г.; XIV международный научно-технический семинар Алушта 2005г.), Восьмая научная сессия "Аэрокосмические приборы и системы" (ГУАП 2005г., Санкт-Петербург), VI-я международная конференция "Авиация и космонавтика" (МАИ 2005г., Москва), Научный симпозиум "Неделя горняка" (МГГУ 2006г., Москва), опубликованы в одном научно-техническом отчете по НИР

МАИ (2004, 2005г.), а также в статье в журнале «Авиакосмическое приборостроение», 2005г., №5. Всего по результатам работы имеется 9 публикаций.

Структура и объем работы. Диссертация состоит из введения, 5 глав, заключения, списка литературы и содержит 120 стр. машинописного текста в том числе 38 рисунков и 5 таблиц. В работе обоснована возможность нейро-сетевого подхода к процессам отображения на экране тензометрической информации и её группового анализа в реальном масштабе времени при проведении прочностных испытаний.

5.4. Выводы по главе 5.

1. Рассмотрены случаи нейросетевого анализа нарастания напряжений конструкции, включая точечный контроль, групповой контроль в однотипных сечениях и контроль сложных конструкций.

2. В случае отсутствия заданных эпюр напряжений, полученных расчетным путем, предполагается использования показаний датчиков на текущем и двух предыдущих шагах нагружения.

3. Групповой контроль в сечениях повышает достоверность принимаемых решений о работоспособности нагружаемой конструкции, т.к. нейронная сеть играет роль своеобразного сумматора отклонений работы в различных точках конструкции.

4. Результаты обучения НС показали, что примеры поведения одних конструкций настраивают работу сети для достоверного контроля новых испытуемых конструкций, что определяет главный технический эффект предложенного подхода.

ЗАКЛЮЧЕНИЕ

На основании проведенных исследований можно сделать следующие выводы:

1. Поставлена и решена задача оптимального отображения на экране страниц тензометрической информации, минимизирующая время задержки предъявления оператору данных о наиболее опасных местах конструкции при её статических прочностных испытаниях.

2. Получена формула назначения динамических приоритетов в наблюдении страниц и с её помощью - схема управления наблюдением на экране в реальном масштабе времени.

3. Показана возможность реализации процедур приоритетного наблюдения и последующего вторичного анализа с помощью одной двухслойной нейронной сети прямого распространения.

4. Предложена нейросетевая процедура группового контроля показаний тензодатчиков, установленных в выявленном опасном месте, которая суммарно оценивает в свертке отклонение работы в различных точках конструкции.

5. Предложенный подход позволяет сократить время задержки в предъявлении наиболее важных страниц в (3+5) раз по сравнению с режимом последовательного показа страниц, а после вторичного анализа -с высокой достоверностью спрогнозировать развитие аварийной ситуации при нагружении конструкции.

6. Полученные результаты использованы на кафедре № 301 МАИ при разработке лабораторной работы по курсу «Экспертные системы и нейронные сети» в рамках учебной специальности 21.01.00, что подтверждено актом о внедрении в учебный процесс МАИ.

1. Михеев Р.А., Туркина А.И. Экспериментальные методы исследования прочности конструкций ДА: Учебное пособие. М.: Изд-во МАИ, 1993 -48 с.

2. Акимов А.К, Берестов Л.М., Михеев Р.А. Летные испытания вертолетов. М.: Машиностроение, 1980, 399 с.

3. Баранов А.Н., Белозеров Л.Г., Кутьинов В.Ф. и др. Статические испытания на прочность сверхзвуковых самолетов. -М.: Машиностроение, 1974, 344 с.

4. Знаменская A.M. Информационно-измерительные системы для летных испытаний самолетов и вертолетов. М.: Машиностроение, 1984, 152 с.

5. Клячко М.Д., Арнаутов Е.В. Летные прочностные испытания самолетов. Статические нагрузки. М.: Машиностроение, 1985, 126 с.

6. Клячко М.Д., Арнаутов Е.В. Летные прочностные испытания самолетов. Динамические нагрузки. М.: Машиностроение, 1984, 120 с.

7. Махонъкин Ю.Е., Повлова З.А., Фальков А.И. и др. Автоматизированная обработка результатов измерений при летных испытаниях. М.: Машиностроение, 1983, 112 с.

8. Оболенский Е.П., Михеев Р.А. Экспериментальные методы исследования прочности конструкций ЛА: Учебное пособие. М.: Изд-во МАИ, 1982.

9. Лебедев Г.Н., Методы обработки измерительных потоков: Учебное пособие. М.: МАИ, 1983. - 48 е., ил.

10. Зеленъкий В.П. Применение методов теории статистических решений при исключении анормальных измерений. Изв. АН СССР, сер. Техническая кибернетика, 1969, № 2, с. 139-142.

11. Калман, Быоси. Новые результаты линейной фильтрации и теории предсказаний. Техническая механика, 1961, № 1, сер. Д, с. 123-141.

12. Кринецкий Е.И., Лопатин В.И., Проненко В.Д. Подход к построению14.систем автоматизации экспериментальных исследований для доработки

13. J1A. //Информационное обеспечения летательных аппаратов.-М.; МАИ, а. 1980.

14. Каин С.Н., Свердлов И.А. Расчет самолета на прочность. -М.: Машиностроение, 1966.

15. Беллман Р., Динамическое программирование.-М.; ИИЛ, 1960.

16. Лебедев Г.Н., Гришанин Ю.С., Липатов А.В., Степаньянц Г.А. Теория оптимальных систем. М.; Изд. МАИ, 1999.

17. Фельдбаум А.А. Основы теории оптимальных автоматических систем.а. М.: Наука, 1966.

18. Лебедев Г.Н., Управление в ограниченном фазовом пространстве объектами, имеющими альтернативную динамику // Тезисы докладов II Всесоюзной конференции "Системы автоматического управления ЛА'7 МАИ. М., 1988.

19. Горбань А.Н. Обучение нейронных сетей. М.": изд. СССР-США СП "ParaGraph", 1990. 160 с. (English Translation: AMSE Transaction, Scientific Siberian, A, 1993, Vol. 6. Neurocomputing, pp.1-134).

20. Горбанъ A.H., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996. 276 с.

21. Горбань А.Н., Мирнее Е.М. Оценки и интерпретаторы ответа для сетей двойственного функционирования. Вычислительный центр СО РАН в г. Красноярске. Красноярск, 1997. 24 с. (Рукопись деп. в ВИНИТИ 25.07.97, № 2511-В97)

22. Toshio.Tanaka. Study on the Hopfleld neural networks for solving combinatorial optimization problems. // Researches of the electro-technical laboratory № 987, Tokio 1999.

23. B.C. Медведев, В.Г. Потемкин. Нейронные сети. М., Изд. ДИАЛОГ-МИФИ, 2002.

24. Н.Д. Егупов. Синтез регуляторов и теория оптимизации систем автоматического управления. М.: Изд. МГТУ им. Н.Э. Баумана, 2000.

25. Grimble, M.J., Robust industrial control: Optimal design approach for polinomial systems. Prentice Hall, pp. 433-456, 1994.

26. Howard K., Itzhak В., Kennith S. Direct adaptive control algorithms: Theory and applications. Springer-Verlag 1998.

27. Лэ Xu Фонг. Демпфирование колебаний груза, подвешенного под вертолетом, при управлении его продольным движением с помощью нейронной сети. // Авиакосмическое приборостроение. -М. 2003.- №10. -С. 54-60.

28. Лэ Хи Фонг. Нейросетевое управление десантированием грузов с помощью тросовой системы с вертолета на палубу судна в сложных погодных условиях. // Авиакосмическое приборостроение. -М. 2003.-№3.-С. 31-35.

29. А.А. Колесников. Последовательная оптимизация нелинейных агрегированных систем управления. М., Изд. Энергоатомиздат, 1987.

30. Омату Сичеру, Юсоф Рубия. Нейроуправление -М.; ИПРЖР, 2000.

31. Нерубайло Б.В. Локальные задачи прочности цилиндрических оболочек. М.: Машиностроение, 1983.

32. Вольмир А.С. Устойчивость упругих систем. Физматгиз, М. 1963.

33. Ле Суан Хау. Нейроссетевая диагностика отказов конструкции при проведении прочностных испытаний.//. Тез. Докл. Международного семинара "Современные технологии в задачах управления автоматики и обработки информации". Алушта, 2005г.-С.141.

34. Лебедев Г.Н, Ле Суан Хау. Приоритетное отображение информации на экране о ходе статических прочностных испытаний самолетов. //Докл. VI Научная сессия "Аэрокосмические приборы и системы". ГУАП, 2005г, Санк-Петербург. С.

35. Лебедев Г.Н, Ле Суан Хау. Отображение приоритетной информации на экране о ходе статических прочностных испытаний самолетов. //Докл. Научного симпозиума "Неделя горняка" МГГУ-2006, Москва. -С.94.

36. Лебедев Г.Н, Ле Суан Хау. Нейросетевая система отображения информации на экран о ходе прочностных испытаний.// Лабораторная работа. Учебное пособие "экспериментальные системы и нейронные сети", МАИ, 2005.

37. Лебедев Г.Н, Ле Суан Хау. Приоритетное отображение информации на экране о ходе статических прочностных испытаний самолетов. Авиакосмическое приборостроение, 2005, № 5.

38. Лебедев Г.Н, Ле Суан Хау и др. Моделирование систем управления, навигационных приборных комплексов и электроэнергетических систем летательных аппаратов. //Отчет МАИ о НИР, тема 1.6.01, раздел 1,М., 2005г.