Моделювання інтелектуальної системи оцінки технічного стану будівельних конструкцій

Автор(и)

  • Svitlana Terenchuk Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037, Україна https://orcid.org/0000-0002-7141-6033
  • Anatolii Pashko Київський національний університет імені Тараса Шевченка вул. Володимирська, 60, м. Київ, Україна, 01033, Україна https://orcid.org/0000-0001-6944-8477
  • Bohdan Yeremenko Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037, Україна https://orcid.org/0000-0002-3734-0813
  • Serhii Kartavykh Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037, Україна https://orcid.org/0000-0003-2287-4297
  • Nina Ershovа ДВНЗ «Придніпровська державна академія будівництва та архітектури» вул. Чернишевського, 24а, м. Дніпро, Україна, 49600, Україна https://orcid.org/0000-0003-0198-0883

DOI:

https://doi.org/10.15587/1729-4061.2018.132587

Ключові слова:

база знань, будівельна конструкція, інтелектуальна система, нечітка імплікація, оцінка технічного стану

Анотація

Досліджуються питання, що пов’язані з моделюванням та розробкою інтелектуальних систем для оцінки технічного стану будівельних конструкцій. Розглянуті математичні основи моделювання системи оцінки, в основу якої покладені нечітка база знань і одна з модифікацій нечіткої мережі Такаги-Сугено-Канга. Детально описані структура мережі та обґрунтовано вибір алгоритму її навчання. Основними критеріями вибору даної модифікації стали її здатність до розв’язання задачі класифікації в умовах невизначеності та можливість задавати правила функцією входів. Структуру мережі адаптовано до задачі оцінки технічного стану реальних будівельних конструкцій. Показано, що навчання мережі доцільно проводити за алгоритмом з вчителем. При цьому, для мінімізації похибки пропонується використовувати прямий метод випадкового пошуку, який адаптовано до розв’язання даної задачі. Для ідентифікації станів конструкцій запропоновано використовувати міри належності, що отримуються методом кластеризації. Реалізація та впровадження нейромережевих технологій в розв’язання задач оцінювання технічного стану будівельних конструкцій розширює та удосконалює можливості інтелектуальних систем, знижує ризики прийняття невірних рішень за рахунок підвищення надійності та швидкості моделювання

Біографії авторів

Svitlana Terenchuk, Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037

Кандидат фізико-математичних наук, доцент

Кафедра архітектурних конструкцій

Anatolii Pashko, Київський національний університет імені Тараса Шевченка вул. Володимирська, 60, м. Київ, Україна, 01033

Доктор фізико-математичних наук, старший науковий співробітник

Науково-дослідний сектор «Проблем системного аналізу»

Bohdan Yeremenko, Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037

Кандидат технічних наук

Кафедра інформаційних технологій проектування та прикладної математики

Serhii Kartavykh, Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037

Аспiрант

Кафедра інформаційних технологій проектування та прикладної математики

Nina Ershovа, ДВНЗ «Придніпровська державна академія будівництва та архітектури» вул. Чернишевського, 24а, м. Дніпро, Україна, 49600

Доктор технічних наук, професор

Кафедра прикладної математики та інформаційних технологій

Посилання

  1. Abrukov, V. S., Abrukov, S. V., Smirnov, A. V., Karlovich, E. V. (2014). Baza znaniy: eksperiment, intellektual'nyy analiz dannyh, iskusstvennye neyronnye seti. Sb. trudov II Vserossiyskoy nauchnoy konferencii «Nanostrukturirovannye materialy i preobrazovatel'nye ustroystva dlya solnechnoy energetiki». doi: 10.13140/2.1.4926.2400
  2. Blum, C., Puchinger, J., Raidl, G. R., Roli, A. (2011). Hybrid metaheuristics in combinatorial optimization: A survey. Applied Soft Computing, 11 (6), 4135–4151. doi: 10.1016/j.asoc.2011.02.032
  3. Zaitseva, E., Levashenko, V., Kostolny, J. (2015). Importance analysis based on logical differential calculus and Binary Decision Diagram. Reliability Engineering & System Safety, 138, 135–144. doi: 10.1016/j.ress.2015.01.009
  4. Sarycheva, L. V. (2008). Objective Cluster Analysis of Data Based on GMDH. Journal of Automation and Information Sciences, 40 (4), 28–48. doi: 10.1615/jautomatinfscien.v40.i4.30
  5. Potočnik, P., Berlec, T., Sluga, A., Govekar, E. (2014). Hybrid Self-Organization Based Facility Layout Planning. Strojniški Vestnik – Journal of Mechanical Engineering, 60 (12), 789–796. doi: 10.5545/sv-jme.2014.1748
  6. Sánchez, M. S., Swierenga, H., Sarabia, L. A., Derks, E., Buydens, L. (1996). Performance of multi layer feedforward and radial base function neural networks in classification and modelling. Chemometrics and Intelligent Laboratory Systems, 33 (2), 101–119. doi: 10.1016/0169-7439(95)00089-5
  7. Yeremenko, V. S., Pereidenko, A. V., Monchenko, O. V. (2012). Zastosuvannia neiromerezhevykh tekhnolohiyi u systemakh neruinivnoho kontroliu. Tekhnicheskaya diagnostika i nerazrushayushchiy kontrol', 1, 35–41.
  8. Osowski, S. (2000). Sieci neuronowe do przetwarzania informacji. Warszawa, 342.
  9. Terenchuk, S. A., Yeremenko, B. M., Pashko, A. O. (2016). Otsiniuvannia tekhnichnoho stanu budivelnykh konstruktsiy na osnovi nechitkoho vyvedennia. Budivelne vyrobnytstvo, 61, 23–31.
  10. Terenchuk, S., Yeremenko, B., Sorotuyk, T. (2016). Implementation of intelligent information technology for the assessment of technical condition of building structures in the process of diagnosis. Eastern-European Journal of Enterprise Technologies, 5 (3 (83)), 30–39. doi: 10.15587/1729-4061.2016.80782
  11. Terenchuk, S., Yeremenko, B., Kartavykh, S., Nasikovskyi, O. (2018). Application of fuzzy mathematics methods to processing geometric parameters of degradation of building structures. EUREKA: Physics and Engineering, 1, 56–62. doi: 10.21303/2461-4262.2018.00554
  12. Yeremenko, B. M., Terenchuk, S. A., Kartavykh, S. M., Nasikovskyi, O. V. (2017). Zastosuvannia ekspertnykh znan dlia formuvannia bazy znan systemy otsiniuvannia tekhnichnoho stanu budivelnykh konstruktsiy. Nauka ta budivnytstvo, 4, 63–69.
  13. Hammah, R. E., Curran, J. H. (1998). Fuzzy cluster algorithm for the automatic identification of joint sets. International Journal of Rock Mechanics and Mining Sciences, 35 (7), 889–905. doi: 10.1016/s0148-9062(98)00011-4
  14. Tanaka, K., Yoshida, H., Ohtake, H., Wang, H. O. (2009). A Sum-of-Squares Approach to Modeling and Control of Nonlinear Dynamical Systems With Polynomial Fuzzy Systems. IEEE Transactions on Fuzzy Systems, 17 (4), 911–922. doi: 10.1109/tfuzz.2008.924341

##submission.downloads##

Опубліковано

2018-05-30

Як цитувати

Terenchuk, S., Pashko, A., Yeremenko, B., Kartavykh, S., & Ershovа N. (2018). Моделювання інтелектуальної системи оцінки технічного стану будівельних конструкцій. Eastern-European Journal of Enterprise Technologies, 3(2 (93), 47–53. https://doi.org/10.15587/1729-4061.2018.132587