Identification of flaws using genetic algorithms and fuzzy networks

• Autorzy: Sikora R. , Baniukiewicz P.

Warianty tytułu

PL

Rekonstrukcja kształtu wady przy wykorzystaniu algorytmów genetycznych i sieci rozmytych

• Języki publikacji: EN

Abstrakty

EN

In this paper the authors present a fast and simple inverse iterative algorithm designed to reconstruct crack shapes using multifrequency eddy current data. The algorithm can be applied to recognize natural and regularly-shaped flaws, especially of the profiles close to triangle, rectangle, ellipse and trapezoid. The algorithm is not sensitive to signal distortions caused by noise and lift-off fluctuations. The new forward model based on the ANFIS network has been proposed. The optimization problem has been solved by means of genetic algorithms.

PL

W artykule przedstawiono iteracyjny algorytm rekonstrukcji kształtu wad na podstawie danych pomiarowych uzyskanych za pomocą metody wiroprądowej. Dzięki parametrycznemu opisowi kształtu nieciągłości metoda może być stosowana głównie do identyfikacji wad o profilu zbliżonym do prostokąta, trapezu, elipsy, trójkąta itp. Algorytm wykazuje dużą odporność na zakłócenia. Zastosowano zmodyfikowany model prosty przetwornika oparty na sieciach rozmytych ANFIS. Optymalizacja funkcji błędu została dokonana za pomocą algorytmu genetycznego.

Słowa kluczowe

EN

eddy currents; genetic algorithms; irwerse problems

PL

metoda wiroprądowa; algorytm genetyczny; identyfikacja; zagadnienia odwrotne

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2005
• Tom: R. 81, nr 9
• Strony: 25--28
• Opis fizyczny: Bibliogr. 4 poz., rys., tab.

Twórcy

autor

Sikora R.

• Szczecin University of Technology, Chair of Theoretical Electrotechnics and Computer Science

autor

Baniukiewicz P.

• Szczecin Univesity of Technology, Chair of Theoretical Electrotechnics and Computer Science, al. Piastów 17, 70-310 Szczecin

Bibliografia

• [1] Elshafiey I., Udpa L., Udpa S. S., Application of Neural Networks to Inverse Problems in Electromagnetics, IEEE Transaction on Magnetics, 30(1994), No. 5, pp. 3629-3632
• [2] Jang R., ANFIS: Adaptive-Network-Based Fuzzy Inference System, Transactions on Systems, Man, and Cybernetics, 23(1998), No. 3, pp. 665-685
• [3] Goldberg D. E., Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wecley Publishing Company, 1989
• [4] Chady T., Enokizono M., Sikora R., Todaka T., Tsuchida Y., Natural Crack Recognition Using Inverse Neural Model and Multi-Frequency Eddy Current Method, IEEE Transaction on Magnetics, 37(2001), No. 4, pp. 2797-2799