| Form of studies |
Master |
| Title of the study programm |
Aviation Transport |
| Title in original language |
Automatizēta delaminācijas noteikšana oglekļa šķiedras kompozītmateriālos, izmantojot dziļās mācīšanās metodes. |
| Title in English |
Automated delamination detection in carbon fiber composites using deep learning techniques. |
| Department |
Faculty Of Civil And Mehanical Engineering |
| Scientific advisor |
Māris Hauka |
| Reviewer |
Mihails Gorobecs |
| Abstract |
Pētījuma mērķis ir izstrādāt un eksperimentāli pārbaudīt automatizētu delaminācijas defektu noteikšanas metodi CFRP aviācijas struktūrās, izmantojot ultraskaņas datus ar dziļās mācīšanās algoritmiem. Pētījumā izmantotas vairākas pētniecības metodes, tostarp teorētiskā un bibliometriskā analīze, eksperimentāla datu iegūšana un priekšapstrāde (normalizācija, mediānas filtrēšana, trokšņu simulācija), kā arī klasifikācijas modeļa izveide un validācija, izmantojot datu augmentāciju un 5-Fold krustvalidāciju. Veiktās validācijas rezultāti apliecina, ka klasifikācijas modelis sasniedza 100% precizitāti testēšanas datu kopā, tostarp gadījumos ar mākslīgi pievienotu troksni. Šāda veiktspēja liecina par algoritma augstu jutību un spēju apstrādāt dažādas signālu variācijas, tomēr, balstoties uz kritisku izvērtējumu, jāatzīst, ka rezultāti iegūti, izmantojot nelielu un strukturāli viendabīgu datu kopu, kurā daļa trokšņu tika sintezēti. |
| Keywords |
CFRP,ultraskaņa,NDT,delaminācija,dziļā mācīšanās,MLPClassifier |
| Keywords in English |
CFRP, ultrasonic testing, NDT, delamination, deep learning, MLPClassifier, data preprocessing, classification |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
23.05.2025 21:44:15 |
