ВОССТАНОВЛЕНИЕ ГЕОМЕТРИИ ПОВЕРХНОСТНЫХ КОРРОЗИОННЫХ ДЕФЕКТОВ ИЗДЕЛИЙ ИЗ ФЕРРОМАГНИТНЫХ МАТЕРИАЛОВ МЕТОДОМ ОПТИМИЗАЦИИ ЛИНЕЙНОЙ АППРОКСИМАЦИЕЙ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Описана разработанная авторами методика восстановления формы и размеров поверхностных коррозионных дефектов изделий из ферромагнитных материалов по измеренным компонентам напряженности магнитного поля рассеяния вблизи поверхности объекта контроля. Оптимизационная задача приближения сигнала двумерной конечно-элементной модели к измеренному сигналу решалась оптимизацией линейной аппроксимацией с ограничениями. Приведены способ приближения формы дефекта базисными сплайнами и физическое обоснование выбора опорных точек сплайн-интерполяции. Описанная методика опробована на численном эксперименте на примере симметричного дефекта и дефекта произвольной формы

Об авторах

Леонид Вадимович Михайлов

Институт физики металлов имени М.Н. Михеева УрО РАН

Email: mikhaylov_lv@imp.uran.ru
Россия, 620108 Екатеринбург, ул. Софьи Ковалевской, 18

Алексей Вадимович Михайлов

Институт физики металлов имени М.Н. Михеева УрО РАН

Email: mikhaylov@imp.uran.ru
Россия, 620108 Екатеринбург, ул. Софьи Ковалевской, 18

Андрей Владимирович Никитин

Институт физики металлов имени М.Н. Михеева УрО РАН

Email: an@imp.uran.ru
Россия, 620108 Екатеринбург, ул. Софьи Ковалевской, 18

Яков Гаврилович Смородинский

Институт физики металлов имени М.Н. Михеева УрО РАН

Email: sm@imp.uran.ru
Россия, 620108 Екатеринбург, ул. Софьи Ковалевской, 18

Владимир Николаевич Костин

Институт физики металлов имени М.Н. Михеева УрО РАН

Автор, ответственный за переписку.
Email: kostin@imp.uran.ru
Россия, 620108 Екатеринбург, ул. Софьи Ковалевской, 18

Список литературы

  1. Han W., Que P. An improved genetic local search algorithm for defect reconstruction from MFL signals // Russ. J. Nondestruct. Test. 2005. V. 41. P. 815—821.
  2. Lu S., Liu J., Wu J., Fu X. A Fast Globally Convergent Particle Swarm Optimization for Defect Profile Inversion Using MFL Detector // Machines. 2022. V. 10. P. 1091.
  3. Powell M.J.D. A Direct Search Optimization Method That Models the Objective and Constraint Functions by Linear Interpolation / In: Gomez S., Hennart J.P. (eds.) Advances in Optimization and Numerical Analysis. Mathematics and Its Applications. 1994. V. 275. Springer, Dordrecht

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».