Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации
С целью получения достоверных значений параметров перемещения с помощью интерференционного СВЧ метода и использования нейросетевых технологий была поставлена серия реальных экспериментов. Для обеспечения квадратичности характеристики детектора была проведена его калибровка с использованием разработа...
Gespeichert in:
| Veröffentlicht in: | Техническая механика |
|---|---|
| Datum: | 2008 |
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | Russisch |
| Veröffentlicht: |
Інститут технічної механіки НАН України і НКА України
2008
|
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/88052 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации / О.О. Дробахин, А.В. Доронин, Д.Ю. Салтыков, В.В. Григорьев // Техническая механика. — 2008. — № 1. — С. 153-157. — Бібліогр.: 7 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859875744825475072 |
|---|---|
| author | Дробахин, О.О. Доронин, А.В. Салтыков, Д.Ю. Григорьев, В.В. |
| author_facet | Дробахин, О.О. Доронин, А.В. Салтыков, Д.Ю. Григорьев, В.В. |
| citation_txt | Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации / О.О. Дробахин, А.В. Доронин, Д.Ю. Салтыков, В.В. Григорьев // Техническая механика. — 2008. — № 1. — С. 153-157. — Бібліогр.: 7 назв. — рос. |
| collection | DSpace DC |
| container_title | Техническая механика |
| description | С целью получения достоверных значений параметров перемещения с помощью интерференционного СВЧ метода и использования нейросетевых технологий была поставлена серия реальных экспериментов. Для обеспечения квадратичности характеристики 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.
For the purpose of obtaining authentic values of motion parameters, a series of real experiments has been put with the help of interference microwave technique and nueronet technologies use. To insure square-law detector characteristics, its calibration has been done with the use of the developed neuronet mathematical model. For the additional improvement of design controllable element motion parameters results estimations obtained directly at the use of three probe waveguide sensor, a mathematical model of the additional nuroset has been developed. An application of the neuroset technologies has considerably lowered an error of estimations that is rather perspective from the method further practical use point of view.
|
| first_indexed | 2025-12-07T15:51:16Z |
| format | Article |
| fulltext |
153
УДК
О.О. ДРОБАХИН, А.В. ДОРОНИН, Д.Ю. САЛТЫКОВ, В.В. ГРИГОРЬЕВ
ИЗМЕРЕНИЕ ПАРАМЕТРОВ ПЕРЕМЕЩЕНИЯ ЭЛЕМЕНТОВ
КОНСТРУКЦИЙ ИНТЕРФЕРЕНЦИОННЫМ МЕТОДОМ С ПРИМЕНЕНИЕМ
НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ ДЛЯ ОБРАБОТКИ ИНФОРМАЦИИ
С целью получения достоверных значений параметров перемещения с помощью интерференционно-
го СВЧ метода и использования нейросетевых технологий была поставлена серия реальных эксперимен-
тов. Для обеспечения квадратичности характеристики детектора была проведена его калибровка с исполь-
зованием разработанной математической модели нейронной сети. Для дополнительной корректировки
результатов оценок параметров перемещений контролируемого элемента конструкции, полученных непо-
средственно при использовании 3-х зондового волноводного датчика, была создана математическая мо-
дель дополнительной нейронной сети. Применение нейросетевых технологий заметно снизило погреш-
ность оценок, что является весьма перспективным с точки зрения дальнейшего практического использо-
вания метода.
For the purpose of obtaining authentic values of motion parameters, a series of real experiments has been
put with the help of interference microwave technique and nueronet technologies use. To insure square-law detec-
tor characteristics, its calibration has been done with the use of the developed neuronet mathematical model. For
the additional improvement of design controllable element motion parameters results estimations obtained directly
at the use of three probe waveguide sensor, a mathematical model of the additional nuroset has been developed.
An application of the neuroset technologies has considerably lowered an error of estimations that is rather per-
spective from the method further practical use point of view.
Разработка средств измерения параметров механических перемещений и
вибраций остается актуальной научно-технической задачей. Микроволновые
методы обладают рядом достоинств, в частности, они обеспечивают безы-
нерционность и бесконтактность измерений. Последнее в условиях термиче-
ских нагрузок объекта либо помещения его в агрессивную среду является
решающим обстоятельством в пользу выбора микроволновых методов. Прак-
тическое применение существующих методов требует повышения достовер-
ности и надежности, которые обеспечиваются применением современных
средств обработки информации, например, нейросетевых технологий [1].
Наиболее популярным из микроволновых методов измерения параметров
движения является интерференционный метод [2 – 4]. В его основе лежит
анализ суперпозиции электромагнитных волн, распространяющихся от гене-
ратора и отраженных от исследуемого объекта, что приводит к образованию
стоячей волны в измерительном волноводном тракте. С помощью детектора
регистрируется электрическое поле этой волны, модулированное перемеще-
ниями объекта. На базе данного метода были проведены экспериментальные
исследования.
Цель исследований – повышение точности оценивания параметров пере-
мещения контролируемого элемента конструкции на основе применения
нейросетевых технологий для обработки данных.
Информация о расстоянии до отражающего объекта заключена в фазе
комплексного коэффициента отражения, поэтому необходимо рассмотреть
многозондовый измеритель комплексного коэффициента отражения, в част-
ности, трехзондовый. Схема экспериментальной установки была следующей
(рис. 1): от генератора 1 через вентиль 2 СВЧ сигнал частоты 10 ГГц посту-
пает на вход измерительной волноводной секции 3 с тремя зондами, соеди-
ненными с детекторами, измерительная секция непосредственно соединена с
приемо-передающим рупором 4. Излучаемая волна падает на отражатель в
виде металлической пластины 5, которая перемещалась вдоль продольной
Техн. механика. – 2008. – № 1. О.О.Дробахин, А.В.Доронин, Д.Ю.Салтыков, В.В.Григорьев 2008
154
оси, соответственно отраженный сигнал поступает в антенну и измеритель-
ную секцию, в которой формируется стоячая волна. Начальное расстояние от
плоскости апертуры антенны до пластины составляло 300 мм. Контролируе-
мый объект перемещался свободно – без использования направляющей. Ан-
тенна представляла собой пирамидальный рупор длиной 200 мм и размерами
апертуры 9595 мм. Сечение волновода для всего СВЧ тракта составляло
2310 мм. Данные с детекторов измерительной секции фиксировались через
каждые 5 мм перемещения отражающей поверхности. С целью накопления
статистики эксперимент был проведен несколько раз. В результате были по-
лучены матрицы данных размерностью 330, где 3 – количество зондов дат-
чика мощности, а 30 – количество фиксированных положений отражателя.
Рис. 1
Проанализируем работу установки для случая, когда зонды с детектора-
ми расположены в волноводе эквидистантно на расстоянии 8 друг от дру-
га ( – длина волны в волноводе), причем детекторы имеют квадратичные
характеристики. Выходной сигнал m , полученный с детекторов, в этом слу-
чае будет иметь вид:
2
)1(
8
2
exp)1(
8
2
exp
mjmjkP mm
, (1)
где 3,2,1m , 1j . При этом сигналы
)1(
8
2
exp mj имеют
смысл опорных, а сигналы
)1(
8
2
exp mj содержат информацию об
исследуемом комплексном коэффициенте отражения . Коэффициенты про-
порциональности mk для каждого из детекторов устраняются из окончатель-
~
1 2
3
4
5
155
ных выражений путем деления результатов измерений (1) на результат изме-
рений в режиме бегущей волны, то есть при согласованной нагрузке. Таким
образом, имеем систему трех нормированных величин ip :
.;;1
2
3
2
2
2
2
1
j
j
epepp (2)
Далее согласно методу голографии с тремя опорными сигналами [5]
необходимо сформировать величины 21 pp и 31 pp , при этом процедура
вычитания сигнала при согласованной нагрузке из каждого mp может быть
опущена. В результате получим систему линейных алгебраических уравне-
ний относительно действительной )( и мнимой части )( комплексного
коэффициента отражения:
31
21
22
04
pp
pp
. (3)
Число обусловленности матрицы правых частей системы равно 2,618,
что не намного хуже числа обусловленности для 4-х зондового измерителя,
которое равно 1. Следует отметить, что число обусловленности не зависит от
значений коэффициента отражения, в то время как решение системы квад-
ратных уравнений классическим методом имеет большие погрешности при
коэффициенте отражения, приближающемся к единице [6]. Решение системы
(3) может быть записано в явном виде:
)2(25,0);(25,0 32131 ppppp . (4)
Интересно отметить, что первое выражение в (4) пропорционально пер-
вой разности, а второе – второй разности нормированных значений детекто-
ров. На самом деле проводится измерение суммарного коэффициента отра-
жения излучающей системы и внесенного коэффициента отражения исследу-
емого объекта, поэтому необходимо дополнительно провести измерения ко-
эффициента отражения антенны при излучении в свободное пространство и
вычесть его из результатов измерений при наличии исследуемого объекта.
Именно после вычитания фаза полученного комплексного коэффициента
отражения )exp( j связана линейным соотношением с расстоянием до
отражающего объекта, что и позволяет определить последнее.
Выражения (4) получены в предположении квадратичности характери-
стик детекторов, реально детекторы не имеют квадратичной характеристики,
поэтому эффективность работы указанного класса измерителей зависит от
качества проведения калибровки.
Применение нейросетевых технологий для калибровки датчика мощно-
сти и обработки полученных данных является весьма перспективным. Пре-
имущество данного приёма отображено в работе [7]. Для корректировки ха-
рактеристики детектора была применена математическая модель нейронной
сети конфигурации 1 – 10 – 1, имеющей соответственно 1 нейрон во входном
слое, 10 нейронов в скрытом слое и 1 нейрон в выходном слое. Передаточная
156
функция активации нейронов входного и скрытого слоев сигмоидальная (S -
функция), для выходного слоя – линейная [1].
Была проведена серия тренировок математической модели нейронной се-
ти с применением ряда алгоритмов: Левенберга-Марквардта, сопряженных
градиентов, Флетчера-Пауэлла, классического алгоритма обратного распро-
странения, алгоритма обратного распространения ошибки с использованием
метода секущих, алгоритма масштабируемых сопряженных градиентов, ал-
горитма Полака-Рибера. Следует отметить, что для каждого выбранного чис-
ла нейронов во внутреннем слое было предпринято по крайней мере три по-
пытки подбора весовых коэффициентов, поскольку при одном и том же алго-
ритме тренировки при разных значениях весовых коэффициентов обеспечи-
вается различная эффективность работы сети. Качество сгенерированной
нейронной сети проверялось путем предъявления набора тестовых входных
данных.
Наилучшие результаты показала нейронная сеть, натренированная в со-
ответствии с алгоритмом масштабируемых сопряженных градиентов. По-
строенные модели характеристик детекторов позволили более точно опреде-
лять комплексный коэффициент отражения, особенно его модуль. Это важно
для корректного вычитания коэффициента отражения антенны из результа-
тов измерений.
На рис. 2 по оси абсцисс отложены значения относительного перемеще-
ния контролируемого объекта от начального положения, а по оси ординат –
абсолютные значения погрешности оценок по сравнению с установленным
значением расстояния. Кривая 1 – это зависимость значений абсолютной по-
грешности определения расстояния, полученная в соответствии с приведен-
ным выше методом вычислений. Поскольку абсолютные погрешности одно-
го знака, ясно, что они не являются случайными, и в них присутствует систе-
матическая положительная компонента.
0
0,2
0,4
0,6
0,8
1
1,2
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160
Рис. 2
С целью получения более точных результатов оценок расстояний была
создана математическая модель нейронной сети, которая состояла из 1-го
входного нейрона, 15-ти нейронов в скрытом слое и 1-го нейрона в выходном
слое. Для входного и выходного слоев была выбрана линейная функция ак-
тивации, для нейронов в скрытом слое – сигмоидальная (S – функция). В ка-
честве алгоритма тренировки был выбран алгоритм оптимизации Левенберга-
1
0
0,2
0,4
0,6
0,8
1
1,2
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160
2 Δ, мм
х,x, мм
157
Марквардта. В качестве входных данных для тренировки были взяты резуль-
таты оценок для первого набора экспериментальных данных, полученных
для всей совокупности устанавливаемых расстояний, вектором целевых (эта-
лонных) значений являлись желаемые (реально установленные) значения
расстояний. Проверка работоспособности сети осуществлялась по результа-
там оценок расстояний для остальных наборов данных измерений.
На рис. 2 отображены абсолютные погрешности оценок расстояния с
применением для обработки результатов математических моделей нейрон-
ных сетей (кривая 2).
Среднее арифметическое значение абсолютной погрешности результатов
оценок с применением нейросетевых технологий составило 0,28 мм, а без
применения – 0,39 мм.
Необходимо учесть и тот факт, что контролируемый объект не был жёст-
ко зафиксирован, и не всегда отражающая плоскость поверхности располага-
лась строго перпендикулярно оси антенны, а значит, происходили потери
части отраженного электромагнитного излучения, тем самым условия экспе-
римента были приближены к реальным условиям перемещения элементов
конструкций. Следовательно, можно ожидать примерно таких же погрешно-
стей при промышленном использовании данного метода бесконтактных из-
мерений.
Проведенные эксперименты подтвердили эффективность применения
нейросетевых технологий для обработки данных измерений при использова-
нии трехзондовых волноводных СВЧ датчиков, поскольку было обеспечено
повышение точности определения местоположений отражателя.
1. Хайкин С. Нейронные сети: полный курс. – М.: Издательский дом «Вильямс», 2006. –1104 с.
2. Викторов В.А., Лункин Б.В., Совлуков А.С. Радиоволновые измерения параметров технологических
процессов. – М.: Энергоатомиздат, 1989. – 208 с.
3. Руденко Д.Ф., Волковец А.И., Гусинский А.В., Кострикин А.М., Герасименок О.О., Дзисяк А.Б. Ра-
диоволновой измеритель параметров вибраций // 15-я Международная конференция “СВЧ-техника и
телекоммуникационные технологии”. Севастополь, 12-16 сентября 2005. Материалы конференции. –
С.829–830.
4. Усанов Д.А., Скрипаль А.В., Абрамов А.В., Боголюбов А.С, Постельга А.Э. Радиоволновая интерферо-
метрия смещений грудной клетки человека, связанных с дыханием и сердцебиением // 15-я Междуна-
родная конференция “СВЧ-техника и телекоммуникационные технологии”. Севастополь, 12-16 сентяб-
ря 2005. Материалы конференции. – С.900–901.
5. Бейтс Р., Мак-Доннел М. Восстановление и реконструкция изображений. – М.: Мир, 1989. – 336 с.
6. Тишер Ф. Техника измерений на сверхвысоких частотах. – М.: Физматлит, 1963. – 364 с.
7. Дробахин О.О., Доронин А.В., Салтыков Д.Ю. Применение нейронных сетей для калибровки датчиков
мощности в зондовых измерителях на СВЧ // 5-я Международная научно-практическая конференция
«Математичне та програмне забезпечення інтелектуальних систем». Днепропетровск, 14–16 ноября
2007. Материалы конференции. – С.54–55.
Институт технической механики Получено 31.03.08
НАН Украины и НКА Украины, в окончательном варианте 15.04.08
Днепропетровск
Днепропетровский
национальный университет
|
| id | nasplib_isofts_kiev_ua-123456789-88052 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-9184 |
| language | Russian |
| last_indexed | 2025-12-07T15:51:16Z |
| publishDate | 2008 |
| publisher | Інститут технічної механіки НАН України і НКА України |
| record_format | dspace |
| spelling | Дробахин, О.О. Доронин, А.В. Салтыков, Д.Ю. Григорьев, В.В. 2015-11-07T10:39:25Z 2015-11-07T10:39:25Z 2008 Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации / О.О. Дробахин, А.В. Доронин, Д.Ю. Салтыков, В.В. Григорьев // Техническая механика. — 2008. — № 1. — С. 153-157. — Бібліогр.: 7 назв. — рос. 1561-9184 https://nasplib.isofts.kiev.ua/handle/123456789/88052 С целью получения достоверных значений параметров перемещения с помощью интерференционного СВЧ метода и использования нейросетевых технологий была поставлена серия реальных экспериментов. Для обеспечения квадратичности характеристики 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. For the purpose of obtaining authentic values of motion parameters, a series of real experiments has been put with the help of interference microwave technique and nueronet technologies use. To insure square-law detector characteristics, its calibration has been done with the use of the developed neuronet mathematical model. For the additional improvement of design controllable element motion parameters results estimations obtained directly at the use of three probe waveguide sensor, a mathematical model of the additional nuroset has been developed. An application of the neuroset technologies has considerably lowered an error of estimations that is rather perspective from the method further practical use point of view. ru Інститут технічної механіки НАН України і НКА України Техническая механика Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации Article published earlier |
| spellingShingle | Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации Дробахин, О.О. Доронин, А.В. Салтыков, Д.Ю. Григорьев, В.В. |
| title | Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации |
| title_full | Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации |
| title_fullStr | Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации |
| title_full_unstemmed | Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации |
| title_short | Измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации |
| title_sort | измерение параметров перемещения элементов конструкций интерференционным методом с применением нейросетевых технологий для обработки информации |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/88052 |
| work_keys_str_mv | AT drobahinoo izmerenieparametrovperemeŝeniâélementovkonstrukciiinterferencionnymmetodomsprimeneniemneirosetevyhtehnologiidlâobrabotkiinformacii AT doroninav izmerenieparametrovperemeŝeniâélementovkonstrukciiinterferencionnymmetodomsprimeneniemneirosetevyhtehnologiidlâobrabotkiinformacii AT saltykovdû izmerenieparametrovperemeŝeniâélementovkonstrukciiinterferencionnymmetodomsprimeneniemneirosetevyhtehnologiidlâobrabotkiinformacii AT grigorʹevvv izmerenieparametrovperemeŝeniâélementovkonstrukciiinterferencionnymmetodomsprimeneniemneirosetevyhtehnologiidlâobrabotkiinformacii |