| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Aviācijas transports |
| Nosaukums |
Automatizēta delaminācijas noteikšana oglekļa šķiedras kompozītmateriālos, izmantojot dziļās mācīšanās metodes. |
| Nosaukums angļu valodā |
Automated delamination detection in carbon fiber composites using deep learning techniques. |
| Struktūrvienība |
31000 Būvniecības un mašīnzinību fakultāte |
| Darba vadītājs |
Māris Hauka |
| Recenzents |
Mihails Gorobecs |
| Anotācija |
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. |
| Atslēgas vārdi |
CFRP,ultraskaņa,NDT,delaminācija,dziļā mācīšanās,MLPClassifier |
| Atslēgas vārdi angļu valodā |
CFRP, ultrasonic testing, NDT, delamination, deep learning, MLPClassifier, data preprocessing, classification |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
23.05.2025 21:44:15 |
