امین یاقوتیان - گروه مهندسی مکانیک دانشگاه شهید چمران اهواز
لاله فتاحی - گروه مهندسی مکانیک، دانشگاه شهید چمران اهواز
سیاوش طیبی - گروه مهندسی مکانیک، دانشگاه شهید چمران اهواز

در این تحقیق، روشی بر اساس طبقه بندی و پیش بینی شبکه عصبی برای تشخیص موقعیت و راستای ترک در لوله ها ارائه شده است. به این منظور، ابتدا از روش اجزاء محدود برای مدل سازی انتشار موج و مدل سازی ترک در موقعیت و راستا های مختلف استفاده شده است. در این راستا از دو نوع موج تحریک هدایت شده طولی و پیچشی بهره گرفته شده است. سیگنال های بدست آمده به منظور فیلتر کردن نویز، کاهش ابعاد داده و محاسبه ویژگی های مناسب، پردازش شده اند. در پژوهش حاضر، اندازه گیری پژواک های بازتاب انجام شده و پنج ویژگی در شش سطح از تجزیه موجک گسسته سیگنال های خام، استخراج شده است. ویژگی های انتخاب شده از سیگنال ها، پردازش شده تا اندازه مدل شبکه عصبی بدون از دست دادن اطلاعات محدود شود. به همین منظور از روش الگوریتم کرم شب تاب استفاده شده و به یک شبکه عصبی مصنوعی که موقعیت و راستای ترک را پیش بینی می کند، تغذیه شده است. در این مطالعه، از شبکه های مرسوم پس انتشار چند لایه پرسپترون استفاده شده است. با توجه به نتایج به دست آمده مشاهده می شود که روش ارائه شده دقت خوبی را در پیش بینی موقعیت و راستای ترک نشان می-دهد و همچنین درصد خطاهای شبکه عصبی به کار رفته کمتر از ۷% است.

آزمون های غیر مخرب, تبدیل موجک, استخراج ویژگی, الگوریتم کرم شب تاب, شبکه های عصبی مصنوعی