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.