Введение
Глава 1. Обзор методов решения обратных задач, применение искусственных нейронных сетей 17
1.1. Обратные задачи теории упругости 17
1.1.1. Прямые и обратные задачи 18
1.1.2. Обратные задачи рассматриваемые в работе 22
1.2. Применение искусственных нейронных сетей 23
1.2.1. Нейросетевые методы реконструкции дефектов, основанные на измерении электрических токов, магнитных потоков и рентгеновских снимках. 23
1.2.2. Нейросетевые методы реконструкции дефектов, основанные на измерении механических величин – смещений, ускорений и температуры 26
1.2.3. Применение ИНС коэффициентных обратных задачах. 36
1.3. Упругие и диссипативные характеристики 37
Глава 2. Поставки прямых и обратных задач теории упругости 41
2.1. Постановка прямых задач 41
2.2. Постановка обратных задач
2.2.1 Постановка задачи 1 46
2.2.2 Постановка задачи 2 49
2.2.3 Постановка задачи 3 и 4
2.2.3.1 Модель трубы с объемным дефектом (задача 3) 51
2.2.3.2 Модель трубы с трещиноподобным дефектом (задача 4) 52
2.2.3.3 Постановка обратных задач 3 и 4 53
2.2.4 Постановка задачи 5 54
Глава 3. Исследование и разработка программного комплекса . 58
3.1. Искусственные нейронные сети 59
3.1.1. Архитектуры искусственных нейронных сетей 60
3.1.2. Обучение нейронной сети 62
3.1.3. Программирование искусственной нейронной сети . 65
3.1.3.1. Структура программы 65
3.1.3.2. Основные функции программы 66
3.1.3.3. Решение обратных задач с помощью ИНС. 67
3.2. Комплексные искусственные нейронные сети 70
3.2.1. Архитектура КИНС 70
3.2.2. Обучение комплексных искусственных нейронных сетей 70
3.2.3. Основные функции программы 72
3.3. Разработка системы грид-вычислений Anthill 73
3.3.1 Система распределенной обработки. 73
3.3.2. Алгоритм распределенных вычислений 74
3.3.3. Основные функции программы 78
3.4. Разработка платформы для параллельного обучения искусственных нейронных сетей DisANN 80
3.4.1. Основные концепции DISANN 81
3.4.2. Техническая реализация 84
3.4.3. Алгоритм функционирования 86
3.4.4. Основные функции программы 87
3.4.5. Результаты испытаний 90
Выводы 92
Глава 4. Решение обратных коэффициентных задач с помощью ИНС или КИНС 94
4.1. Применение ИНС к задаче идентификации модуля Юнга и коэффициента Пуассона для цилиндра (Задача 1.1). 95
4.1.1. Процесс обработки входных данных. 95
4.1.2. Численные результаты 98
4.2. Применение КИНС к задаче идентификации модуля Юнга, коэффициента Пуассона и и диссипативных характеристик (a, b) для цилиндра (Задача 1.2) 101
4.2.1. Процесс обработки входных данных 101
4.2.2. Численные результаты 103
4.3. Применение КИНС к задаче идентификации модуля Юнга и добротности (Задача 2.1). 104
4.3.1. Процесс обработки входных данных. 104
4.3.2. Численные результаты 109
4.4. Идентификации диссипативных коэффициентов деформируемого твердого тела (Задача 2.2). 112
4.4.1. Процесс обработки входных данных. 112
4.4.2. Численные результаты 116
4.5. Идентификации упругих свойств и диссипативных коэффициентов деформируемого твердого тела (Задача 2.3) 118
4.5.1. Процесс обработки входных данных 118
4.5.2. Численные результаты 121
Выводы 123
Глава 5. Решение обратных геометрических задач с помощью ИНС 125
5.1. Реконструкция параметров дефекта в трубе для задачи 3 127
5.2. Реконструкция параметров дефекта в трубе для задачи 4 133
5.3. Реконструкция параметров дефекта в трубе для задачи 5 1
5.3.1 Реконструкция перпендикулярных трещин. 143
5.3.2 Реконструкция наклонных трещин. 147
5.3.3 Реконструкция расстояния до дефектов. 148
Выводы 149
Заключение 151
Список литературы
