Распознавание дефектов лопаточного аппарата турбомашин при помощи нейронной сети
Ключевые слова:
сверточные нейронные сети, YOLOv8, модель, дефект, обнаружение, лопаточный аппарат, осевой компрессор, газотурбинный двигательАннотация
Правильная, исправная и качественная работа турбомашины напрямую зависит от состояния ее проточной части. Одной из причин снижения эффективности и надежности работы турбоагрегата выступает изнашивание лопаточного аппарата в связи с образованием различных дефектов на кромках и поверхности пера лопаток. В настоящем исследовании разрабатывается подход к автоматизации процесса дефектовки изделий с применением современных технологий компьютерного зрения (computer vision). В работе подготовлен программный код на языке программирования Python, создана база изображений дефектов лопаток, проведено обучение и тестирование модели YOLOv8. Достигнутая точность определения типа дефекта в проведенном исследовании превысила 80%.
Метрики
Библиографические ссылки
ГОСТ
1. Коваль С. И. Методы диагностики технического состояния газотурбинных двигателей в процессе эксплуатации и технического обслуживания // XXI век: итоги прошлого и проблемы настоящего плюс. – 2019. – Т. 8, № 2(46). – С. 53-58. EDN CKPNZH
2. See J.E. Visual inspection: a review of the literature [Электронный ресурс] Albuquerque (USA): Sandia National Laboratories, 2012. – 77 p. URL: https://digital.library.unt.edu/ark: /67531/metadc835891/ (Дата обращения: 22.11.2023).
October 1, 2012
3. Aust J., Pons D. Bowtie Methodology for Risk Analysis of Visual Borescope Inspection during Aircraft Engine Maintenance // Aerospace. – 2019. Vol. 6(10). – P. 110. DOI: 10.3390/aerospace6100110.
4. Exploring impact and features of machine vision for progressive industry 4.0 culture / M. Javaid, A. Haleem, R.P. Singh et al. // Sensors International. – 2022. – Vol. 3(5). – P. 100132. DOI: 10.1016/j.sintl.2021.100132.
5. Neuhauser F.M., Bachmann G., Hora P. Surface defect classification and detection on extruded aluminum profiles using convolutional neural networks // International Journal of Material Forming. – 2020. – Vol. 13. – P. 591-603. [Электронный ресурс]. DOI: 10.1007/s12289-019-01496-1.
6. Цифровой подход к обнаружению дефектов лопаточного аппарата и оценке их влияния на характеристики турбомашин / В.Л. Блинов, О.В. Беляев, В.И. Брезгин, О.В. Комаров // Турбины и Дизели. – 2023. – № 3. – С. 38-44. EDN: NSZKFZ
APA
1. Koval, S. I. (2019). Metody` diagnostiki texnicheskogo sostoyaniya gazoturbinny`x dvigate-lej v processe e`kspluatacii i texnicheskogo obsluzhivaniya [Methods for diagnosing the technical condition of gas turbine engines during operation and maintenance]. XXI vek: itogi proshlogo i problemy` nastoyashhego plyus, 2(46) , 53-58. [In Russian]
2. See, J. E. (October 1, 2012). Visual inspection: a review of the literature. Sandia National Laboratories. https://digital.library.unt.edu/ark: /67531/metadc835891/.
3. Aust, J., & Pons, D. (2019). Bowtie Methodology for Risk Analysis of Visual Borescope Inspection during Aircraft Engine Maintenance. Aerospace, 6(10) , 110.
https://doi.org/10.3390/aerospace6100110
4. Javaid, M., Haleem, A., Pratap, R. Singh, Rab, S., & Suman R. (2022). Exploring impact and features of machine vision for progressive industry 4.0 culture. Sensors International, 3(5) , 100132. http://dx.doi.org/10.1016/j.sintl.2021.100132
5. Neuhauser, F. M., Bachmann, G., & Hora, P. (2019). Surface defect classification and detection on extruded aluminum profiles using convolutional neural networks. International Journal of Material Forming, 13, 591-603. https://doi.org/10.1007/S12289-019-01496-1
6. Blinov, V. L., Belyaev, O. V., Brezgin, V. I., & Komarov, O. V. (2023). Cifrovoj podxod k obnaruzheniyu defektov lopatochnogo apparata i ocenke ix vliyaniya na xarakteristiki turbomashin [Digital approach to detecting blade defects and assessing their impact on the characteristics of turbomachines]. Turbiny` i Dizeli, 3, 38-44. [In Russian]
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
URN
Лицензия
Copyright (c) 2023 Блинов В.Л., Жуков И.С
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
