-
شماره ركورد
6485
-
شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
6485
-
پديد آورنده
راضيه سادات اخوت
-
عنوان
طراحي و ساخت مدل توپك هوشمند و تخمينايجاد نقص با استفاده از الگوريتم هاي نوروفازي
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
برق
-
سال تحصيل
مهر 1387
-
تاريخ دفاع
مهر 1387
-
استاد راهنما
دكتر صدر
-
چكيده
آزمون غير مخرب
براي آشكارسازي نقصهاي احتمالي آن به كار ميرود. اين روش معمولاً براي بررسي نقصهاي هندسي
كاربرد دارد و از جمله معروفترين شيوههاي آن، استفاده از خواص امواج فراصوت، نشت شار
و يا جريانهاي گردابي هستند. (MFL) مغناطيسي
كه در اين پروژه آن را مورد مطالعه قرار خواهيم داد، بررسي نقص و تخمين ابعاد NDT يكي از كاربردهاي
آن در لولههاي انتقال نفت و گاز است. بررسي نقص در اين لولهها هم با استفاده از امواج فراصوت و هم با
استفاده ميشود زيرا در اين روش علاوه MFL امكانپذير است اما در اكثر موارد از روش MFL حسگرهاي
بر آشكارسازي نقص، شناسايي نوع آن نيز امكانپذير است.
يافتن محل نقص ميباشد. از آن جا كه نويز تغييرات كوچكي را MFL اولين هدف در پردازش سيگنالهاي
در سيگنال دريافتي ايجاد ميكند، هر اعوجاج جدي نمايانگر يك نقص خواهد بود. در اين مرحله از
پردازش، براي استخراج دقيق سيگنال زمينه از مفهوم هيستوگرام استفاده كرده و سپس با استفاده از
روش آستانهگيري، به آشكارسازي محل نقص پرداختهايم. نتايج به دست آمده نشان ميدهد كه نرخ
آشكارسازي نقص با به كار بردن مفهوم هيستوگرام در محاسبه مقدار زمينه، با 3% بهبود نسبت به روش
متوسطگيري از كل سيگنال به 94 % خواهد رسيد.
تخمين ابعاد نقص با استفاده از دامنه سيگنال دريافتي و ابعاد ،MFL هدف بعدي در پردازش سيگنالهاي
اعوجاج است. اين كار قبلاً توسط الگوريتم شبكه عصبي انجام گرفته است اما در اين پروژه از روش
نوروفازي استفاده كردهايم. سيستمهاي نوروفازي، كنترلكنندههاي فازي هستند كه براي تصحيح
پارامترهاي آنها، از ويژگي يادگيري در شبكههاي عصبي استفاده ميشود. برتري اين سيستمها در مقابل
شبكههاي عصبي استفاده از دانش فرد متخصص در تحليل رابطه ميان دادهها است.
-
لينک به اين مدرک :