«КРСУнун ЖАРЧЫСЫ» журналынын МААЛЫМАТ ПОРТАЛЫ

Представлены результаты кластерного анализа ключевых признаков сигналов акустической эмиссии с применением алгоритма DBSCAN. Анализ диаграмм распределения признаков для 36 образцов горных пород (габбро – 5 образцов, гранит – 12 и мрамор – 19) показал, что полезные сигналы характеризуются высокими значениями ключевых признаков (Р1=85–100 и Р2=70–95) и группируются преимущественно в правом верхнем углу диаграммы, тогда как шумовые сигналы кластеризуются ближе к центру и по периферии. Области, соответствующие полезным и шумовым сигналам, характеризуются плотным центром и схожи по форме с нормальным распределением. Данные особенности позволяют использовать методы кластерного анализа для выделения полезных сигналов, а именно, алгоритм DBSCAN, который предназначен для кластеризации пространственных данных с присутствием шума на основе плотности распределения исследуемых данных. Выделенные данным алгоритмом полезные сигналы используются в дальнейшем для расчета кривой накопления событий и активности акустической эмиссии.

кластерный анализ; ключевой признак; DBSCAN; сигнал акустической эмиссии; горная порода

Макалада DBSCAN алгоритми аркылуу акустикалык эмиссия сигналдарынын маанилүү белгилерине кластердик талдоо жүргүзүүнүн натыйжалары көрсөтүлдү. 36 тоо тегинин үлгүлөрүнүн (габбро – 5 үлгүсү, гранит – 12 жана мрамор – 19) өзгөчөлүктөрүнүн бөлүштүрүү диаграммаларына талдоо жүргүзүү төмөнкүдөй натыйжа берди: пайдалуу сигналдардын түйүндүү өзгөчөлүктөрү жогорку маани менен мүнөздөлөт (P1=85–100 жана P2=70–95), жана негизинен диаграмманын жогорку оң бурчунда топтолушат, ал эми чуу сигналдары борборго жана чет жакка жакын орношот. Ошону менен бирге, пайдалуу жана чуу сигналдарына тиешелүү аймактар тыгыз борбор менен мүнөздөлүп, формасы боюнча нормалдуу бөлүштүрүүгө окшош. Бул өзгөчөлүктөр, пайдалуу сигналдарды бөлүп чыгуу үчүн, кластердик талдоо жүргүзүүнү, тактап айтканда, DBSCAN алгоритмин кодонууга өбөлгө түзөт. Ал ыкма, изилденүүчү маалыматтын тыгыздыгын колдонуп, чуу аралашкан мейкиндик маалыматтарын кластерлөө үчүн ылайыкташтырылган. Мындай ыкма менен бөлүнүп чыккан пайдалуу сигналдар, акустикалык эмиссия окуяларынын топтолуусун жана активдүүлүгүн эсептөө үчүн колдонулат.

кластердик талдоо жүргүзүү; түйүндүү өзгөчөлүктөр; DBSCAN; акустикалык эмиссия сигналы; тоотектери

The paper presents results of cluster analysis of key features of acoustic emission signals using DBSCAN algorithm. Analysis of key features distribution diagrams for 36 rock specimens (gabbro – 5 specimens, granite – 12 and marble – 19) showed that useful signals are characterized by high values of key features (P1 = 85–100 and P2 = 70-95) and are grouped mainly in the upper right corner of the diagram, while noise signals are clustered closer to the center and on the periphery. Also, the areas corresponding to the useful and noise signals are characterized by a dense center and are similar in shape to normal distribution. This information make it possible to use methods of cluster analysis to extract useful signals, namely, DBSCAN algorithm, which is used for clustering spatial data in the presence of noise on the basis of density the data under study. The useful signals selected by this algorithm are used to calculate cumulative number of events and activity of acoustic emission.

cluster analysis; key feature; DBSCAN; acoustic emission signal; rock