مدلسازی لوله های انتقال گاز با شبکه های عصبی مصنوعی به منظور تشخیص عیوب آنها

این مقاله معرفی  رویکرد جدید برای عیب یابی خطوط لوله انتقال گاز با استفاده از شبکه عصبی مصنوعی به کمک امواج مکانیکی است که این روش بسیار ارزان تر و آسان تر از روش اولتراسوند است. که در حال حاضر مشغول به کارمی باشد. این خطوط معمولا در شرایط محیطی سخت و دور از دسترس و در مسافت های طولانی قرار دارند و استفاده از سیستم های که بصورت آنی و دقیق بتوانند عیب ها و نشتی های این لوله را گزارش دهند حیاتی  می باشد.روش ارایه شده شامل مدل سازی یک قطعه لوله 2 اینچی به طول 50 متر در نرم افزار آباکوس6.121 است. سپس در نرم افزار اجزاء محدود مدل اجزاء محدود بدست آورده شده است. سپس برای تایید و اعتبار سنجی به مدل اجزاء محدود، قطعه تحت تست مودال قرار گرفته و بعد از تایید مدل شبیه سازی عیب ها که شامل ایجاد 15 سوراخ به شعاع یک میلی متر در فاصله های سه متری است بر روی مدل اجزاء محدود انجام شده است.سپس با گرفتن ارتعاشات (شتاب) لوله در حالت سالم و حالت با عیب و انتقال داده ها شتاب به حوزه فرکانس انجام می شود سپس با استفاده از امضای مکانیکی عیوب ،اختلاف شتاب بین دو مدل سالم و معیوب محاسبه می شود.در مرحله بعد با استفاده از تکنیک های آماری داده های بدست آمده را بصورت مطلوب کاهش می دهیم وسپس شبکه عصبی مصنوعی پایه شعاعی (RBFN) و  شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) برای تخمین مکانی عیب آموزش داده می شود. نتایج بدست آمده قابلیت شبکه های عصبی طراحی شده در تخمین موقیعت عیب را به خوبی نشان می دهد.