Повышение достоверности вихретокового контроля теплообменных труб парогенераторов АЭС на основе вейвлет-анализа и алгоритмов нечеткой логики тема диссертации и автореферата по ВАК РФ 05.11.13, кандидат технических наук Щукис, Евгения Геннадьевна

• Щукис, Евгения Геннадьевна
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Щукис, Евгения Геннадьевна

Основные обозначения и сокращения.

Введение.

Основные положения, выносимые на защиту:.

1. Применение вейвлет-анализа и систем нечеткой логики при вихретоковом контроле теплообменных трубок парогенераторов на АЭС.

1.1. Основные типы дефектов ПГ АЭС.

1.1.1. Структура и принцип действия ПГ.

1.1.2. Причины возникновения, основные типы и места расположения дефектов.

1.2. Неразрушающий контроль парогенераторов.

1.3. Вихретоковый метод контроля ПГ.

1.3.1.Принцип ВТК.

1.3.2.Современная система ВТК.

1.3.3. Основные этапы обработки вихретоковых данных.

1.4. Применение вейвлет-анализа для обработки вихретоковых сигналов.

1.4.1.Вейвлет-функция и ее основные свойства.

1.4.2. Формирование непрерывного и дискретного вейвлет-базисов.

1.4.3. Непрерывный вейвлет-анализ.

1.4.4. Дискретный вейвлет-анализ.

1.5. Выводы.

2. Применение дискретного вейвлет-анализа для выделения информативных областей сигнала при контроле ТОТ.

2.1. Характеристика объекта контроля.

2.2. Моделирование процесса формирования диагностического сигнала при контроле теплообменных труб.

2.2.1. Формирование и анализ модели сигнала, соответствующего дистанционирующей решетке.

2.2.2. Формирование моделей сигнала от характеристических дефектов.

2.2.3. Основные виды помех, накладываемых на диагностический сигнал, и их модели.

2.2.4. Обобщенная модель диагностических сигналов.

2.2.4.1. Модель диагностического сигнала от дистанционирующей решетки.

2.2.4.2. Модель диагностического сигнала от дефектов труб.

2.3. Разработка метода и алгоритма выделения информативных областей сигнала.

2.3.1. Фильтрация диагностического сигнала.

2.3.2.Вейвлет-обработка диагностического сигнала.

2.3.2.1. Выбор вейвлет-функции.

2.3.2.2. Формирование и анализ версий аппроксимации и детализации, соответствующим различным уровням разрешения.

2.3.3. Пороговая обработка - трешолдинг.

2.3.4.Определение координат информативных областей.

2.3.5.Блок-схема алгоритма локализации информативных областей.

2.3.6. Применение разработанного алгоритма для выделения конструктивных элементов.

2.3.7.Применение разработанного алгоритма для обнаружения дефектов.

2.3.8. Экспериментальная проверка разработанного алгоритма и реализующей его программы.

2.4. Выводы.

3. Обнаружение дефектов под конструктивными элементами с помощью вейвлет-функций.

3.1. Математическая модель диагностического сигнала.

3.2. Анализ частотных свойств анализируемых сигналов и анализирующих функций.

3.3. Построение, анализ и обработка вейвлет-спектрограмм диагностических сигналов

3.4. Выбор порядка вейвлет-функции и шага сканирования диагностического сигнала

3.5. Определение границ исследуемой области диагностического сигнала.

3.6. Определение координат сигнала от дефекта.

3.7. Блок-схема алгоритма локализации сигналов от дефектов под дистанционирующими решетками.

3.8. Экспериментальная проверка разработанного алгоритма и реализующей его программы.

3.9. Выводы.

4. Классификация и параметризация дефектов.

4.1. Анализ существующих методов классификации и параметризации дефектов.

4.1.1.Метод согласованного фильтра.

4.1.2. Методы, основанные на теории распознавания образов.

4.1.3.Нейросетевые алгоритмы.

4.2. Метод классификации и параметризации сигналов от дефектов, основанный на теории нечетких множеств.

4.2.1. Нечеткое моделирование.:.

4.2.2. Архитектура системы нечеткого вывода.

4.2.3. Архитектура системы нейро-нечеткого вывода.

4.3. Формирование информационных признаков.

4.4. Разработка метода классификации сигналов от дефектов, базирующегося на теории нечетких множеств.

4.5. Разработка метода параметризации дефектов, базирующегося на теории нечетких множеств.

4.6. Блок-схема алгоритма классификации и параметризации сигналов от дефектов

4.7. Экспериментальная проверка разработанного алгоритма и реализующей его программы.

Выводы.

Введение диссертации (часть автореферата) на тему «Повышение достоверности вихретокового контроля теплообменных труб парогенераторов АЭС на основе вейвлет-анализа и алгоритмов нечеткой логики»

Одной из важнейших составляющих безопасной эксплуатации энергоблока атомных электрических станций с водо-водяным энергетическим реактором (ВВЭР) является работоспособность парогенераторов (ПГ). Практика эксплуатации отечественных ПГ показала, что основным элементом, определяющим фактический срок службы этого объекта, являются теплообменные трубки.

Анализ повреждений теплообменных труб (ТОТ) парогенераторов на атомных электрических станциях (АЭС), изготовленных из аустенитной стали, выявил, что причинами выхода из строя ТОТ являются эксплуатационные коррозионные повреждения: коррозионная трещина, коррозионная язва, коррозионный питтинг и коррозионное пятно (ГОСТ 9.908-85).

Для оценки состояния теплообменных труб ПГ проводится их контроль следующими методами: гидравлический с визуальным« контролем протечек, гидравлический с дистанционным контролем протечек, гидравлический с люминесцентным индикаторным покрытием, пневмогидравлический аквариумный и вихретоковый контроль.

Наиболее эффективным методом оценки состояния теплообменных труб ПГ на данный момент является вихретоковый метод контроля (ВТК). ВТК позволяет выявить не только сквозные дефекты, но и дефекты различной глубины и размеров, что позволяет превентивно заглушить трубы с дефектами, которые еще не пропускают теплоноситель из первого контура во второй, но могут развиться до сквозных. Многочастотный ВТК ТОТ ПГ с использованием внутреннего проходного дифференциального преобразователя дает возможность проконтролировать трубы по всей длине, позволяет зафиксировать наличие дефекта, локализовать его и оценить глубину.

На российских АЭС многочастотный метод вихретокового контроля металла ТОТ ПГ применяется уже более 20 лет, но, несмотря на такой длительный срок, остаются проблемы с достоверностью получаемых результатов ВТК, связанной с субъективностью соответствующих экспертных решений. Одной из причин является сложность анализа эксплуатационных вихретоковых сигналов, обусловленная как наличием множества мешающих факторов, таких, например, как сигналы от ряда конструктивных элементов, так и влиянием различного рода шумов.

В связи с этим актуальной является задача исследования и разработки эффективных алгоритмов автоматической обработки вихретоковых сигналов, применение которых позволило бы повысить выявляемость дефектов и достоверность контроля. Для этого предлагается использовать математический аппарат вейвлет-преобразования и нечеткой логики.

Объект исследования. Вихретоковые сигналы, получаемые при контроле ТОТ парогенераторов АЭС вихретоковым проходным преобразователем.

Предмет исследования. Методы и алгоритмы на основе вейвлет преобразования для идентификации сигналов от конструктивных элементов и дефектов. Методы и алгоритмы классификации и параметризации дефектов на основе нечеткой логики.

Цель работы: Разработка эффективных методов и алгоритмов автоматической обработки вихретоковых сигналов, получаемых при контроле теплообменных труб парогенераторов АЭС, для повышения выявляемое™ дефектов и достоверности контроля.

Для достижения указанной цели необходимо решить следующие задачи:

- Разработать математическую модель сигнала на основе анализа выходных сигналов вихретокового преобразователя при контроле теплообменных труб ПГ.

- Разработать методы и алгоритмы выделения информативных областей сигналов на основе вейвлет-преобразования.

- На основе анализа параметров информативных областей предложить и разработать методы и алгоритмы классификации и параметризации дефектов труб, базирующиеся на теории нечетких множеств.

- Экспериментально подтвердить эффективность разработанных алгоритмов анализа вихретоковых данных контроля.

Методы исследования. В работе использованы: теория распознавания образов, теория вероятностей и математической статистики, математический аппарат вейвлет-анализа и математический аппарат нечеткой логики.

В работе применялись пакеты прикладных программ: Matlab и встроенные в нее модули, MathCAD, Maple.

Научная новизна работы заключается в следующем:

• Предложена и разработана математическая модель для определения сигнала вихретокового преобразователя от дефекта под дистанционирующим элементом, с учетом влияния основных мешающих факторов при контроле теплообменных труб парогенераторов.

• Разработан способ и алгоритм выделения информативных областей вихретоковых сигналов от дефектов и дистанционирующих элементов ТОТ ПГ, основанный на дискретном вейвлет-преобразовании и позволяющий решить задачу повышения выявляемости дефектов на свободных от дистанционирующих элементов участках труб.

• Разработан способ и алгоритм выделения информативных областей вихретоковых сигналов от дефектов под дистанционирующими элементами ТОТ ПГ, позволяющий повысить выявляемость дефектов, основанный на непрерывном вейвлет-преобразовании.

• Разработаны новые алгоритмы автоматизированной классификации и параметризации дефектов ТОТ ПГ, базирующиеся на теории нечетких множеств, позволяющие увеличить достоверность контроля.

Практическая значимость. Разработанные методы автоматизации обнаружения, классификации и параметризации дефектов ТОТ ПГ позволили повысить выявляемость дефектов и достоверность эксплуатационного контроля, а также уменьшить погрешность определения глубины дефектов.

Результаты диссертационной работы могут быть использованы для обработки сигналов при многочастотном вихретоковом контроле и разработке новых средств неразрушающего контроля (НК).

Результаты диссертационной работы использовались при выполнении кафедрой Электротехники и Интроскопии 2-х хоздоговорных НИР МЭИ с ОАО «Концерн РосЭнергоАтом» при разработке программного комплекса «PIRATE» для обработки и анализа сигналов вихретокового контроля теплообменных труб парогенераторов АЭС. Результаты были апробированы при контроле ТОТ на Кольской АЭС.

Основные положения, выносимые на защиту:

• Способ выделения информативных областей на основе дискретного вейвлет-преобразования.

• Способ выявления сигналов от дефектов под дистанционирующими элементами ТОТ на основе непрерывного вейвлет-преобразования.

• Алгоритм классификации дефектов по вихретоковым сигналам на основе нечеткой логики.

• Алгоритм параметризации дефектов на основе адаптивной сети нечеткого вывода.

Достоверность научных положений, выводов и рекомендаций, разработанных в диссертации, подтверждается сопоставлением с публикациями в научных изданиях, а также проверкой с использованием экспериментальными данных, полученных на модельных и реалистичных образцах.

Заключение диссертации по теме «Приборы и методы контроля природной среды, веществ, материалов и изделий», Щукис, Евгения Геннадьевна

Выводы

- Предложен метод классификации сигналов от дефектов на основе алгоритма Мамдани;

- Предложен метод параметризации сигналов от дефектов на основе сети нейро-нечеткого вывода;

Разработан алгоритм, реализующий предложенный метод определения глубины дефектов.

- Получены и проанализированы результаты применения алгоритма по классификации и параметризации сигналов от дефектов.

Заключение

В работе получены следующие научные и практические результаты:

• На основании обзора методов контроля ТОТ ПГ показано, что вихретоковый контроль является эффективным методом, который позволяет фиксировать наличие и местоположение не только сквозных дефектов, но и дефектов меньшей глубины, что особенно важно для своевременного предотвращения межконтурной неплотности.

• Предложен способ и разработан алгоритм обнаружения информативных областей исследуемого вихретокового сигнала ТОТ ПГ на основе применения дискретного вейвлет-преобразования. В результате применения алгоритма выявляемость дефектов с глубиной 20% от толщины стенки трубы стала больше в два раза, с глубиной 40 % стала больше в 1.5 раза, с глубиной 75 % увеличилась на 5 %, а выявляемость сквозных дефектов достигала 100% по сравнению с выявляемостью, требуемой в РД Э00488-03.

• Для анализа вихретоковых сигналов ТОТ ПГ предложена и разработана математическая модель для определения сигнала от дефекта под дистанционирующими элементами, адекватно отражающая экспериментальные условия и учитывающая влияние мешающих факторов.

• Предложен способ и разработан алгоритм выделения сигналов от дефектов под дистанционирующими элементами ТОТ ПГ с использованием модельных данных на основе непрерывного вейвлет-преобразования.

• Получены и проанализированы результаты применения алгоритма обнаружения сигналов от дефектов под дистанционирующими элементами на данных, полученных при контроле образцов с реалистичными дефектами (РД ЭО 0488-03). В результате применения этого алгоритма выявляемость дефектов увеличилась.

• Предложен и разработан способ классификации дефектов ТОТ ПГ (на внешние, внутренние и сквозные) по вихретоковым сигналам на основе алгоритма Мамдани.

• Предложен способ и разработан алгоритм определения глубины дефектов ТОТ 111 на основе сети нейро-нечеткого вывода (Adaptive-Network-Based Fuzzy Inference System —ANFIS).

• Экспериментально подтверждена эффективность разработанных способов и алгоритмов классификации и параметризации дефектов ТОТ ПГ на сигналах от реалистичных дефектов. Результат применения данных алгоритмов показал, что погрешность определения глубины дефектов уменьшилась, достоверность контроля увеличилась по сравнению с классическим способом классификации и параметризации на основе калибровочных зависимостей.

Список литературы диссертационного исследования кандидат технических наук Щукис, Евгения Геннадьевна, 2010 год

1. Овчинников Ф.Я., Вознесенский В.А. и др. Эксплуатационные режимы АЭС с ВВЭР-1000.: Энергоатомиздат,1992.-(Б-ка эксплуатационника АЭС. Вып. 12).-416 с.

2. MacDonald Р. Е., Shah V. N., Ward L. W., Ellison P. G. Steam generator tube failures: Tech. Rep. NUREG/CR-6365 /: United States Nuclear Regulatory Commission, 1996.

3. Лукасевич Б. И., Трунов H. Б., Драгунов Ю. Г., Давиденко С. Е. Парогенераторы реакторных установок ВВЭР для атомных электростанций.—ML: ИКЦ «Академкнига», 2004.— 391 с.

4. Беляков В.А., Смирнов C.B. Анализ и оценка данных ВТК теплообменных труб парогенераторов! Кольской АЭС. 7-ой международный семинар по горизонтальным парогенераторам: тезисы докладов, Подольск, Россия, октябрь 2006 г. стр. 49-51.

5. Udpa S., Ramuhalli P. Automated Analysis of Bobbin Coil Probe Eddy Current Data, ЕРШ, Palo Alto, CA: 2003.

6. Герасимов В. Г., Покровский А. Д., Сухорукое В. В. Неразрушающий контроль. В 5 кн. Кн. 3. Электромагнитный контроль: Практ. Пособие .М.: Высш. шк, 1992. 312с.

7. Кадников A.A., Никоноров, A.B. Опыт проведения вихретокового контроля теплообменных трубок ПГ. ФГУДП «Атомэнергоремонт» // Доклады 7-го международного семинара по горизонтальным парогенераторам. 3-5 октября 2006 г. ФГУП ОКБ "ГИДРОПРЕСС".9. www.areva.com

8. Техническое описание вихретокового оборудования* фирмы ИНЕТЕК для контроля парогенераторов на станция ВВЭР 440/1000. http://www.inetec.com.11. www.tecnatom.es

9. Щукис Е.Г., Лунин В.П. Анализ вихретоковых сигналов, полученных при контроле теплообменных труб парогенераторов // Труды 15-ой Международной научно-технической конференции «Информационные средства и технологии».- М., 2007. -T.1. С.-122-128;

10. Щукис Е.Г., Лунин В.П. Обработка вихретоковых сигналов при контроле теплообменных труб парогенераторов// 3-я международная научно-техническая конференция, Могилев.23-25 сентября 2009г, С.-97-99;

11. Щукис Е.Г., Лунин В.П. Применение алгоритмов нечеткой логики для анализа вихретоковых сигналов, полученных при контроле теплообменных труб// Вестник МЭИ.-2008.-№ 5.- С. 89-93;

12. Morlet J. Sampling Theory and Wave Propagationin NATO ASI Series. — Issues in Acoustic signal // Image processing and recognition. Vol. 1. Berlin, 1983, pp. 233-261.

13. Morlet J., Arens G., Fourgeau I:, Giard D. Wave Propagation and Sampling Theory // Geophysics, vol. 47 (1982), pp. 203-236.

14. Meyer Y. Wavelets and Operators//Cambridge University Press, 1992.

15. Mallat. S. A theory for multiresolution signal decomposition: the wavelet representation. IEEE Pattern Anal'. And Machine Intell.1989. vol.11, no. 7, pp.674-693.

16. Добеши И. Десять лекций по вейвлетам.- М.: Ижевск: РХД, 2001.

17. Daubechies I. The wavelet transform, time-frequency localization and signal analysis // IEEE Transaction on Information Theory, 1990. — Vol.36, pp. 9611005.

18. Antonini M. et al. Image coding using the wavelet transform. // M. Antonini, M. Barlaud, P. Mathieu, I. Daubechies. -— IEEE Trans. Image Proc., vol. 1 (1992), pp. 205-220.

19. Turiel A., Parga N. Multifractal Wavelet Filter of Natural Images. — Physical Review Letters, vol. 85 (2000), pp. 3325-3328.

20. Zibulevsky M., Zeevi Y. Extraction of a Single Source from Multichannel Data Using Sparce Decomposition. — Israel Institute of Technology, 2001.

21. Баскаков С.И. Радиотехнические цепи и сигналы. М.: Высшая школа, 2000. Глава 2, разд. 2.6. «Вейвлет-анализ». - С. 65-68.

22. Шитов А.Б. Разработка численных методов и программ, связанных с применением вейвлет-анализа для моделирования и обработки экспериментальных данных: Дис. канд. физ.-тех. наук. -Иваново, 2001. 125 с.

23. Куклин С., Дзизинский А. Модели и методы анализа клинико-инструментального мониторирования. — Сборник трудов III Всероссийского симпозиума «Медленные колебательные процессы в организме человека», Новокузнецк, 2001, с. 238-242.

24. Anant К., Dowla F., Rodrigue G. Vector Quantization of ECG Wavelet Coefficients. — IEEE Signal Proceedings Letters, 1999.

25. Ivanov P. et al. Wavelets in medicine and Physiology. // P. Ivanov, A. Goldberg, S. Halvin, C. Peng, M. Posenblum, H. Stanley. In Wavelets in Phys-ics. — Cambridge University Press, 1999, pp. 391-419.

26. Lemire D. Wavelet Time Entropy, T Wave Morphology and Myocardial Ischemia. — IEEE Transactions in Biomedical Engineering, vol. 47 (2000), №7.

27. Struzik Z. Revealing Local Variability Properties of Human Heartbeat Intervals with the Local Effective Holder Exponent. — Information Systems, INS-R0015, 2000.

28. Thurner S., Feurstein M., Teich M. Multiresolution Wavelet Analysis of Heartbeat Intervals Discriminates Healthy Patients from Those with Car-diac Pathology. — Physical Review Letters, vol. 80 (1998), pp. 1544-1547.

29. Sweldens W. Wavelets: What Next? — Proceedings of the IEEE, vol. 84 (1996), №4, pp. 680-685.

30. Louis A., Maas P., Reider A. Wavelet Theory and Applications. — John Wiley & Sons, 1997.

31. Чуй К. Введение в Вейвлеты.- М.:Мир, 2001.

32. Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук. 1998.- Т. 166. - № 11. - С. 1145-1170.

33. Дремин И.М., Иванов О.В., Нечитайло В.А. Вейвлеты и их использование // Успехи физических наук, 2001. — т. 171. № 5. - С. 465-501.

34. Дремин И.М., Иванов О.В., Нечитайло В.А. Практическое применение вейвлет-анализа // Наука производству, 2000. № 6. - С. 13-15.

35. Кравченко В.Ф., Рвачев В.А. «Wavelet»-CHCTeMbi и их применение в обработке сигналов // Зарубежная радиоэлектроника, 1996. № 4. - С. 3-20.

36. Истомина Т.В.,Чувыкин Б.В., Щеголев В.Е. Применение теории wavelets в задачах обработки информации: Монография. Пенза: Изд-во Пенз. Гос. ун-та, 2000.- 188 с.

37. Захаров В.Г. Разработка и применение методов вейвлет-анализа к нелинейным гидродинамическим системам: Дис. канд. физ.-мат. наук. — Пермь, 1997.-84 с.

38. Lim J., Xiang P., Ramuhalli P., Udpa S. and Udpa L. Wavelet basis function neural network for eddy current signal characterization. Electromagnetic Nondestructive Evaluation VI, IOS Press, 2002, pp. 245-252.

39. Lopez L., Ting D., Upadhyaya B. Removing Eddy-Current probe wobble noise from stem generator tubes testing using Wavelet Transform. Prog. Nucl. Energy. 2008.- 1-8.

40. Grman J., Ravas R. Application of Wavelet Transformation in Eddy Current Testing of Steam generator Tubes//IEEE Instrumentation and Measurement. Technology Conference Budapest. May 21-23, 2001.-pp.392- 396.

41. Ткаль B.A. Цифровые методы обработки рентгенотопографических и поляризационнооптических изображений дефектов структуры монокристаллических полупроводников: Автореф. дис. док. физ.-мат. наук. Ижевск, 2007. - 48 с.

42. Шлеина Д.В. Повышение разрешающей способности технических средств вихретоковой дефектоскопии на основе вейвлет-анализа измеренного сигнала: Дис. канд. тех. наук. -Москва, 2009. 99 с.

43. Zabel V. Applications of Wavelet Analysis in System Identification. Disser.Dr.-Ing. Weimar, November 2002.pp.-190.

44. Барат B.A. Оценка параметров электрофизических диагностических моделей объектов контроля с помощью вейвлет-преобразования сигналов: Дис. канд. тех. наук. -Москва, 2001. 172 с.

45. Дьяконов В.П. Вейвлеты: От теории к практике. М.: СОЛОН- Р, 2002.

46. Шредингер Э. К принципу неопределенности Гейзенберга. Избранные труды по квантовой механике. М.: Наука, 1976. стр. 210-217.

47. Петухов А.П. Введение в теорию базисов всплесков. СПб.: Изд-во СПбГТУ, 1999.- 132 с.

48. Дьяконов В.П., Абраменкова И.В. MATLAB. Обработка сигналов и изображений. Специальный справочник. — СПб.: Питер. 2002. 608 с.

49. Яковлев А.Н. Введение в вейвлет-преобразования: Учеб. пособие. — Новосибирск: Изд-во НГТУ, 2003. 104 с.

50. Mallat, S. A theory for multiresolution signal decomposition: the wavelet representation. IEEE Transactions on Pattern Analysis and Machine Intelligence 11 (7), July 1989. pp.674-693.

51. Новиков JI.B. Основы вейвлет-анализа сигналов. Учеб. пособие. -СПб.: Изд-во 000 «МОДУС», 1999. 152 с.

52. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет преобразования. СПб.: Изд-во ВУС, 1999. - 208 с.

53. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. М.: ДМК Пресс, 2008,- 448с.

54. Щукис Е.Г., Лунин В.П. Применение дискретного вейвлет-преобразования для выделения сигналов от конструктивных элементов// Труды 18-ой Международной научно-технической конференции

55. Информационные средства и технологии». Москва 19-21 октября 2010. Т. 2.- С. 152-160;

56. Сильвестер П., Феррари Р., Метод конечных элементов для радиоинженеров и инженеров-электротехников, М., 1986;

57. Лунин В.П., Метод конечных элементов в задачах прикладной электротехники, Москва, 1996;

58. Жданов А.Г., Лунин В.П. Коррекция рассчитанных сигналов вихретокового преобразователя с учетом электрической схемы Дефектоскопа. Международная конференция "Информационные средства и технологии". М., 2004;

59. Щукис Е.Г., Лунин В.П. Голубев A.C. Моделирование процедуры вихретокового контроля конструктивных элементов// Пятнадцатая международная научно-техническая конференция студентов и аспирантов: тез. докл.-М.: МЭИ, 28-29 февраля 2009, С.-353-355;

60. Жданов А. Г., Лунин В. П. Банк вихретоковых сигналов от дефектов теплообменных труб // 9-я междун. науч.-техн. конф. студентов и аспирантов «Радиоэлектроника, электротехника и энергетика»: тез. докл.—Т. 1.—М.: Изд-во МЭИ, 2003.— С. 395.

61. Щукис Е.Г., Лунин В.П. Влияние мешающих факторов на выделение и параметризацию сигналов от дефектов при контроле ТОТ ПГ // Summer School Advanced Aspects of Theoretical Electrical Engineering. Sozopol. 1922 сентября 2010. -C-l71-178;

62. Бородкин E.A., Чобану M.K. Теоретические основы цифровой обработки сигналов/ Под ред. Паротькина В.И. -М:.Изд-во МЭИ, 1994.135 с.

63. Shekhar H, Polikar R., Ramuhalli P., Liu X., Udpa L., Udpa S. Dynamic thresholding for automated analysis of bobbin probe eddy current data. International Journal of Applied Electromagnetics and Mechanics 15 (2001/2002). pp. 3SM6.

64. Алексеев К.А. Теория и практика шумоподавления в задаче обработки сейсмоакустических сигналов//Электронная книга www.matlab.exponenta.ru.

65. Боровков JI.JI. Математическая статистика. М.: Наука, 1984.

66. Кулагина Е.Г., Лунин В.П., Жданов А.Г. Эффективные алгоритмы обработки вихретоковых сигналов при контроле теплообменных труб парогенераторов ВВЭР // 7-ой Международный семинар по горизонтальным парогенераторам, Подольск, 2006, стр.65-67;

67. РД ЭО 0488-03. Методические рекомендации по оценке достоверности средств и методик неразрушающего контроля. ГУП ИЦД НИКИЭТ. Москва 2003 г.

68. Щукис Е.Г., Лунин В.П. Применение непрерывного вейвлет-преобразования для выделения сигналов от дефектов//! 6-ая Международная научно-техническая конференция «Информационные средства и технологии». Москва 21-23 октября 2008. Т. 1.- С. 130-136;

69. Mucciardi A.N. and Shankar R., Signal processing for ISI, EPRI NP- 1421, Section 4, May 1980.

70. Turin G.L. An introduction to matched filters, IRE Trans. Inf. Theory, IT-6, 1960, pp.311-329.

71. Levy A.J., Oppenlander J.E., Brudnoy D.M., Englund J.M. An expert system for eddy current evaluation, Materials Evaluation 51 (1993), pp. 34-44.

72. Yang Au., Griffith M., Griffith J. Analysis of Eddy Current Data Using a Probabilistic Neural Network. ASME Pressure Vessel and Piping Conference Atlanta. Georgia- July, pp 22-26.

73. Udpa L., Udpa S. Neral Networks for the Classification of Nondastructive Evaluation Signals.IEEE Proceedings- F, Vol. 138, No.l, February, pp 41-45.

74. Lippmann R.P., An introduction to computing with neural nets, IEEE ASSP Magazine, April 1987, pp.4-21.

75. Grman J., Ravas R., Syrova L. Application of Neural Networks in Multifrequency Eddy-Current Testing. Measurement Science Review, 2001 Vol.1, No.l. pp. 25-28.

76. Udpa L., Udpa S. Eddy Current Defect Characterization Using Neral Networks. Materials Evaluation, Vol. 48, March, pp. 342-347.

77. Udpa L. and Udpa S.S., Eddy current defect characterization using neural networks, Mater.Eval., 48(3), 1990, pp.342-347.

78. Жданов А.Г., Лунин В.П., " Применение нейросетевых технологий для решения задач классификации и параметризации дефектов трубок парогенераторов АЭС ", Международная конференция "Информационные средства и технологии". — М., 2004;

79. Лунин В. П., Жданов А. Г., Лазуткин Д. Ю. Нейросетевой классификатор дефектов для многочастотного вихретокового контроля теплооб-менных труб // Дефектоскопия.— 2007.—Март.— № 3.— С. 37-45.

80. Lunin V. P., Zhdanov A. G. Automated data analysis in eddy current inspection of steam generator tubes // Proceedings of the 9th European Conference on NDT: CD-ROM.— Berlin (Germany): 2006.— File «We.2.3.4.PDF».

81. Жданов А. Г. Обнаружение и параметризация дефектов парогенераторных труб по результатам вихретокового контроля: Маг. Дис.-М., 2005.-109 с.

82. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. - 165 с.

83. Tizhoosh Н. Fuzzy-Bildverarbeitung. Berlin. 1998. S. 242.

84. Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. — М.: Физматлит, 2002. 256 с.

85. Леоненков А. Нечеткое моделирование в среде Matlab и fuzzyТеСН. СПб.: БВХ-Петербург, 2005.

86. Сообщество пользователей Matlab и Simulink. Режим доступа: http//matlab.exponenta.ru, свободный. Заглавие с экрана. — Яз. рус.

87. Штовба С.Д."Введение в теорию нечетких множеств и нечеткую логику". Сообщество пользователей Matlab и Simulink. Режим доступа: http//matlab.exponenta.ru, свободный. Заглавие с экрана. - Яз. рус.

88. Жданов А.Г., Лунин В.П. Восстановление параметров дефекта с помощью обученной нейронной сети. Радиоэлектроника электротехника и энергетика // 10-я междун. Науч-техн. конф. студентов и аспирантов: тез. докл. М.: МЭИ, 2004, стр.426-427;

89. Жданов А.Г., Лунин В.П. Эффективный алгоритм расчёта сигнала вихретокового датчика, тез. доклада // Радиоэлектроника, электротехника и энергетика // 9-я междун. Науч-техн. конф. студентов и аспирантов: тез. докл. М.: МЭИ, 2003, стр.394;

90. Щукис Е.Г., Лунин В.П. Применение систем нечеткого вывода для классификации и параметризации вихретоковых сигналов // Summer School Advanced Aspects of Theoretical Electrical Engineering. Sozopol. 2225 сентября 2007. -С-175-180;

91. Волченко B.H. «Вероятность и достоверность оценки качества металлопродукции». М., издательство «Металлурггия», 1979г.