Применение искусственной нейронной сети в задаче ультразвуковой диагностики дефектов печатных плат радиоэлектронных устройств

Современные радиоэлектронные устройства представляют собой сложные технические системы, функционирование которых сопровождается различными физическими процессами, протекающими в их узлах и блоках. Сочетание схемотехнической, конструктивной и технологической сложности радиоэлектронных устройств является причиной возникновения в них дефектов различного характера, в том числе скрытых, с длительным латентным периодом. Это, в свою очередь, предъявляет более высокие требования к диагностированию и контролю технического состояния радиоэлектронных устройств. Актуальность исследования, представленного в данной статье, обусловлена необходимостью повышения достоверности и точности идентификации дефектов в узлах и блоках электронных устройств, разработкой новых методов и средств технической диагностики, сочетающих в себе традиционные походы с активно развивающимися технологиями искусственных нейронных сетей, обработки больших данных, вычислительного эксперимента. В статье представлено исследование по ультразвуковой диагностике внутренних дефектов расслоения печатных плат. Описана методика моделирования различных дефектов с применением специализированного программного обеспечения ABAQUS. Раскрыты особенности последующей обработки экспериментальных данных – амплитудно-временных, амплитудно-частотных характеристик, формирование численных массивов исследуемых параметров. Приведена структура искусственной нейронной сети для задачи диагностирования и идентификации дефектов печатных плат, раскрыта технология ее обучения и тестирования. Материалы статьи представляют практическую ценность для инженеров-конструкторов, схемо- и системотехников радиоэлектронных систем, а также разработчиков сложных технических комплексов.

1. Увайсов С.У. Черноверская В.В. Данг Н.В. Туан Н.В. Применение искусственной нейронной сети в задаче тепловой диагностики печатного узла бортового устройства контроля разбега самолета. Моделирование, оптимизация и информационные технологии. 2022;10(3). Доступно по: https://moitvivt.ru/ru/journal/pdf?id=1218. DOI: 10.26102/2310-6018/2022.38.3.012.

2. Нуштаев Д.В., Тропкин С.Н. Abaqus: пособие для начинающих. М.: ООО «ТЕСИС»; 2010. 43 c.

3. Золочевский А.А., Беккер А.А. Введение в ABAQUS. Методическое пособие. Харьков: ТОВ «Бізнес Інвестор Груп»; 2011. 49 c.

4. Манилык Т., Ильин К. Практическое применение программного комплекса ABAQUS в инженерных задачах. Версия 6.5. М.: МФТИ, ООО «ТЕСИС»; 2006. 67 с.

5. Дмитриев К.В., Карабутов А.А., Коробов А.И. Линейные ультразвуковые волны в жидких и твёрдых средах: учебное пособие для физического практикума по акустике. М.: Физический фак. МГУ; 2017. 114 с.

6. Казанцев В.Ф., Мицкевич А.М., Агранат Б.А. Физика и техника мощного ультразвука. М.: Наука; 1970. 689 с.

7. Фам Лэ Куок Хань. Диагностика радиоэлектронных устройств при испытаниях на ударные воздействия: дисс. … канд. техн. наук: 05.12.04. М.: РТУ МИРЭА; 2021. 157 с.

8. Федоров Д.Ю. Программирование на языке высокого уровня Python: учебное пособие для вузов. М.: Юрайт; 2021. Доступно по: https://urait.ru/bcode/478098 (дата обращения: 16.10.2022).

9. Тонни Гэддис. Начинаем программировать на Python. 5-е издание. С-Пб.: БХВ; 2022. 880 с.

10. Ростовцев В.С. Искусственные нейронные сети: учебник. Киров: Изд-во ВятГУ; 2014. 208 с.

11. Бураков М.В. Нейронные сети и нейроконтроллеры: учебное пособие. С-Пб: ГУАП; 2013. 282 с.