Metoda wspomagania komputerowego w badaniach diagnostycznych łopatek turbin gazowych

W artykule przedstawiono metodę wspomagania komputerowego do diagnozowania łopatek turbiny gazowej z wykorzystaniem sztucznych sieci neuronowych. Głównym celem prezentacji jest opracowana sieć neuronowa, za pomocą której na podstawie cech obrazów powierzchni łopatek dokonuje się orzekania o ich stanie (element zdatny, element częściowo zdatny, element niezdatny). Opierając się na wnioskach sformułowanych na podstawie badań mikrostruktury, dotyczących oceny stopnia przegrzania (łopatki zdatne i niezdatne do dalszej eksploatacji), przyjęto jako wzorce obrazy powierzchni reprezentujące łopatki w różnych stanach (neuronowa klasyfikacja wzorcowa). Dodatkowo, wiążąc oraz segregując (wg ich przydatności w procesie uczenia sieci) parametry obrazów, uzyskane zarówno z histogramów jak i macierzy zdarzeń, zautomatyzowano i zwiększono wiarygodność (wspomaganie komputerowe) procesu decyzyjnego. Zastosowanie sztucznej sieci neuronowej umożliwia w większym stopniu odwzorowanie złożonych zależności pomiędzy obrazem łopatki a jej stanem, niż to realizuje diagnosta dotychczasową metodą subiektywną.

The article presents a computer - aided method of diagnostics of gas turbine blades with the use of artificial neural networks. The subject of presentation is the developed neural network, with the help of which - on the basis of features of blade surface images-their condition is determined (operable element, partly operable element, inoperable element). Basing on conclusions formulated on the basis of microstructure examinations and concerning evaluation of state of overheating (blades suitable and not suitable for further operation), as patterns assumed were surface images representing blades in various states (neural pattern classification). Additionally, combining and segregating (according to their applicability for the network teaching process) image parameters, acquired from histograms as well as from matrix of events, automated and increased was the credibility (computer aiding) of a decision process. The application of artificial neural network enables better representation of complex relations between blade image and its condition than in the case of subjective methods used currently by diagnosticians.