Registration Number
0826U004746, PhD dissertation
Status
Доктор філософії
Date
03-09-2026
popup.evolution
o
Title
Assessment of the Condition of Large-Scale Welded Structures Using Unmanned Aerial Vehicles, Photogrammetry, and Artificial Intelligence Methods
Author
Dmytro I. Stelmakh,
popup.head Viktor V. Savytskyi
popup.opponent Timur R. Hanieiev
popup.opponent Ihor V. Stasyshyn
popup.review Vasiliy M. Torop
popup.review Sviatoslav I. Motrunich
popup.rada
E.O. Paton Electric Welding Institute (PWI)
Description
Дисертаційну роботу присвячено вирішенню науково-технічної задачі дистанційного визначення параметрів дефектів, у тому числі утворених внаслідок військових дій та оцінювання технічного стану великогабаритних конструкцій. У роботі науково обґрунтовано використання фотограмметричних моделей для кількісного аналізу геометричних відхилень та виявлення з допомогою методів штучного інтелекту поверхневих дефектів матеріалу, зокрема тих, що виникли внаслідок тривалої експлуатації або бойових уражень.
У першому розділі розглянута проблема оцінювання технічного стану великогабаритних зварних конструкцій і проведено аналіз сучасних напрямків застосування БПЛА, фотограмметрії та ШІ. Встановлено, що традиційні методи є локальними та потребують безпосереднього контакту, що ускладнює їх використання для великогабаритних об'єктів. Обґрунтовано необхідність переходу від якісного опису пошкоджень до кількісного прогнозування їх впливу на механічні властивості та несучу здатність матеріалу.
У другому розділі розроблено та експериментально апробовано методологію отримання метрично достовірних просторових даних із використанням БПЛА. Визначено раціональні параметри аерофотозйомки для забезпечення необхідної точності. Запропоновано підхід до оцінювання вертикальності великогабаритних конструкцій на основі аналізу хмар точок, що дозволяє визначати як локальні, так і глобальні відхилення геометрії та враховувати їх вплив на роботоздатність конструкцій.
У третьому розділі реалізовано підхід до автоматизації виявлення та сегментації пошкоджень матеріалу із застосуванням методів штучного інтелекту. Сформовано спеціалізовані датасети пошкоджень конструкційних елементів, розроблено та реалізовано процедуру навчання моделей нейронних мереж (U-Net, YOLO) із підбором оптимальних гіперпараметрів та налаштуванням архітектур, що дозволяють з високою точністю ідентифікувати дефектні зони та визначати їх розміри у режимі реального часу, мінімізуючи людський фактор при візуальному огляді.
У четвертому розділі наведено результати експериментальних досліджень впливу пошкоджень на механічні характеристики матеріалу. На основі серії випробувань на статичний розтяг встановлено, що визначальним фактором несучої здатності є ефективний поперечний переріз, незалежно від природи утворення дефектів. Показано, що наскрізні пошкодження, отримані внаслідок бойових дій, можуть бути адекватно описані еквівалентними геометричними моделями у вигляді отворів, що дозволяє застосовувати класичні підходи механіки суцільного середовища для оцінювання деформованого стану.
Registration Date
2026-08-21
popup.nrat_date
2026-08-21 / 2026-09-25
