Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации

Abstract

С целью получения достоверных значений параметров перемещения с помощью интерференционного СВЧ метода и использования нейросетевых технологий была поставлена серия реальных экспериментов. Для обеспечения квадратичности характеристик детектора была проведена его калибровка с использованием разработанной математической модели нейронной сети. Для дополнительной корректировки результатов оценок параметров перемещений контролируемого элемента конструкции, полученных непосредственно при использовании 3-х зондового волноводного датчика, была создана математическая модель дополнительной нейронной сети. Применение нейросетевых технологий заметно снизило погрешность оценок, что является весьма перспективным с точки зрения дальнейшего практического использования метода.З метою одержання достовірних значень параметрів переміщення за допомогою інтерференційного НВЧ методу та використання нейромережевих технологій була поставлена серія реальних експериментів. Для забезпечення квадратичності характеристик детектора було проведено його калібрування з використанням розробленої математичної моделі нейронної мережі. Для додаткового коректування результатів оцінок параметрів переміщень контрольованого елемента конструкції, отриманих безпосередньо при використанні 3-х зондового хвилевідного датчика, була створена математична модель додаткової нейронної мережі. Застосування нейромережевих технологій помітно знизило погрішність оцінок, що є досить перспективним з погляду подальшого практичного використання методу.To obtain plausible values of displacement parameters by using the interference microwave method and neural network technologies, a series of real experiments were carried out. A detector was calibrated using the developed mathematical model of a neural network to provide quadratic characteristics. For improvement of estimations directly obtained by 3 probe wave-guide sensors for testing configuration of displacement parameters the mathematical model of a neural network was constructed. The neural network technologies application has substantially diminished estimation errors. Thus the approach is rather perspective for practical application.