Research output: Contribution to journal › Article › peer-review
Research output: Contribution to journal › Article › peer-review
}
TY - JOUR
T1 - ЦИФРОВОЙ ПОДХОД К ОБНАРУЖЕНИЮ ДЕФЕКТОВ ЛОПАТОЧНОГО АППАРАТА И ОЦЕНКЕ ИХ ВЛИЯНИЯ НА ХАРАКТЕРИСТИКИ ТУРБОМАШИН
AU - Блинов, Виталий Леонидович
AU - Беляев, Олег Владиславович
AU - Брезгин, Виталий Иванович
AU - Комаров, Олег Вячеславович
PY - 2023
Y1 - 2023
N2 - Настоящее исследование направлено на разработку подходов к обнаружению и классификации дефектов лопаточного аппарата турбомашин и оценку проявления дефектов на характеристики установки. Актуальность работы связана с использованием цифровых технологий при дефектоскопии лопаточного аппарата. В ходе исследования подготовлена и обучена модель сверточной нейронной сети YOLOv8s на двух наборах данных: с искусственно визуализированными изображениями дефектов и фотографиями лопаток после эксплуатации. На основе анализа результатов обучения и тестирования моделиYOLOv8s на базе данных с искусственными изображениями дефектов лопаточного аппарата достигнута точность 97,8%. На подготовленном наборе реальных данных YOLOv8s имеет среднюю точность mAP0,5 = 0,84. Описан подход к оценке влияния дефектов лопаточного аппарата на характеристики турбомашин по результатам численных экспериментов и применение методов машинного обучения для прогнозирования развития дефектов или оценки изменения характеристик турбомашин с дефектами. Исследование показывает перспективность применения цифрового подхода к обнаружению и оценке влияния дефектов лопаточного аппарата на эксплуатационные характеристики турбомашин.
AB - Настоящее исследование направлено на разработку подходов к обнаружению и классификации дефектов лопаточного аппарата турбомашин и оценку проявления дефектов на характеристики установки. Актуальность работы связана с использованием цифровых технологий при дефектоскопии лопаточного аппарата. В ходе исследования подготовлена и обучена модель сверточной нейронной сети YOLOv8s на двух наборах данных: с искусственно визуализированными изображениями дефектов и фотографиями лопаток после эксплуатации. На основе анализа результатов обучения и тестирования моделиYOLOv8s на базе данных с искусственными изображениями дефектов лопаточного аппарата достигнута точность 97,8%. На подготовленном наборе реальных данных YOLOv8s имеет среднюю точность mAP0,5 = 0,84. Описан подход к оценке влияния дефектов лопаточного аппарата на характеристики турбомашин по результатам численных экспериментов и применение методов машинного обучения для прогнозирования развития дефектов или оценки изменения характеристик турбомашин с дефектами. Исследование показывает перспективность применения цифрового подхода к обнаружению и оценке влияния дефектов лопаточного аппарата на эксплуатационные характеристики турбомашин.
UR - https://elibrary.ru/item.asp?id=54712387
M3 - Статья
SP - 38
EP - 43
JO - Турбины и Дизели
JF - Турбины и Дизели
SN - 2949-2971
IS - 3 (108)
ER -
ID: 50705670