Поиск по всему репозиторию:
Применение нейросетевых алгоритмов при разработке акустических методов контроля прочности бетона
Открыть/скачать файлы документа
Автор
Дата издания
2024Издательство
БрГТУУДК
624.012Библиографическое описание
Применение нейросетевых алгоритмов при разработке акустических методов контроля прочности бетона / А. Е. Желткович [и др.] // Вестник Брестского государственного технического университета. – 2024. – № 1 (133). – С. 101–109.Аннотация
В статье проиллюстрирована возможность определения прочности бетона, используя стандартный протокол фиксации и воспроизведения акустического сигнала, используемый в подавляющем большинстве обычных портативных устройств, например телефонов системы Android (и др.). Разработана свёрточная нейросеть, способная воспринимать звуковые сигналы (от механических ударов по бетону молотком), предварительно трансформированные в изображения-спектрограммы. Эти спектрограммы сопоставляются с показаниями прочности, установленными любым из стандартных методов. В перспективе данный подход может стать наиболее надежным и простым методом контроля прочности в полевых условиях, для этого достаточно иметь обычный телефон и молоток. Более того, данный метод может быть подстроен под множество других задач, где физико-механические свойства материала тем или иным образом связаны с акустическими
свойствами упругопластического тела. Описывается процесс разработки и обучения нейросети, выполнена статистическая оценка качества полученных результатов.
Аннотация на другом языке
The paper illustrates the possibility of determining the strength of concrete using the standard protocol of acoustic signal recording and reproduction used in the vast majority of conventional portable devices, such as Android phones (and others). We developed a convolutional neural network capable of perceiving sound signals (from mechanical impacts on concrete with a hammer) pre-transformed into image-spectrograms. These spectrograms are compared to strength value established by any of the standard methods. In the long run, this approach may be the most reliable and simple method of
strength monitoring in the field, requiring only a simple phone and a hammer. Moreover, this method can be adapted to many other problems where the physical and mechanical properties of a material are in some way related to the acoustic properties of an elasto-plastic body. The process of development and training of the neural network is described, and statistical evaluation of the quality of the obtained results is performed.
URI документа
https://rep.bstu.by/handle/data/43403Документ расположен в коллекции
- № 1 (133) 2024 [37]
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция-Некоммерчески») 4.0 Всемирная.