Розглянуто проблему обстежень, контролю параметрів і діагностування стану поверхневих шарів металу підземних трубопроводів з урахуванням впливу корозійного середовища. Запропоновано методику контролю характеристик, що полягає у врахуванні основних інформативних параметрів за допомогою штучних нейронних мереж, а також визначено напрями застосування методології для контролю технічного стану трубопроводів (КТСТ) (товщина стінки, наявність дефектів, енергетичні характеристики міжфазних шарів, корозійні струми, процеси розвитку дефектів тощо). Метою методології КТСТ є удосконалення нормативних документів у сфері метрології.
1. Gas Pipeline Incidents, 9th Report of the European Gas Pipeline Incident Data Group, Dec. 2017 “Львівська політехніка”. Режим доступу: www.egig.eu.
2. ДСТУ 4219-2003. Трубопроводи сталеві магістральні. Загальні вимоги до захисту від корозії. – К.: Держспоживстандарт України, 2003. – 86 с.
3. Карпаш М. О. Підвищення чутливості акустичного методу неруйнівного контролю матеріалів // Техн. диагностика и неразруш. контроль. – 2011. – № 4. – С. 39–43.
4. Івахів О. Інформативність багатоканальних засобів вимірювання // Вимірювальна техніка та метрологія. – 2002. – Вип. 59. – С. 102–111.
5. Наконечний А. Й., Пазан Р. Г. Опрацювання сигналів з використанням сучасних хмарних технологій // Вісник Національного університету “Львівська політехніка”. Серія: Автоматика, вимірювання та керування : зб. нау. пр. – 2015. – № 821. – С. 8–16.
6. Наконечний А. Й., Верес З. Є. Інтернет речей і сучасні технології // Вісник Національного університету “Львівська політехніка”. Автоматика, вимірювання та керування. – 2016. – № 852. – С. 3–9 “Львівська політехніка”. – Режим доступу: http://nbuv.gov.ua/UJRN/VNULP_2016_852_3.
7. Карпаш М. О., Рибіцький І. В., Котурбаш Т. Т. Перспективи застосування штучних нейронних мереж в дефектоскопії // Мат. ХVІ Міжнар. наук.-техн. конф. “Електромагнітні та акустичні методи неруйнівного контролю матеріалів та виробів” ЛЕОТЕСТ-2011 (21– 26 лютого 2011 року). Славське Львівської області. – 2011. С. 10–11.
8. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. – М.: Мир, 1992. – 185 с.
9. Хайкин С. Нейронные сети: полный курс / 2-е изд; пер. с англ.– М.: Издательский дом Вильямс, 2006. – 1104 с.
10. Лопатко О., Микитин І. Нейронні мережі як засіб прогнозування значення температури за перехідним процесом // Вимірювальна техніка та метрологія. – 2016. – № 77. – С. 65–70.
11. Мирзоев А. М., Иващенко М. С., Маршаков А. И. Нейросетевая модель стресс-коррозионной поврежденности участков линейной части магистральных газопроводов // Научно-технический сборник “Вести газовой науки”. – 2016. – № 3 (27). – C. 108–112.
12. Grossberg S. Z. Neural Networks and Natural Intelligence. Cambridge, MA: MIT Press, 2010. – 651 p.
13. Юзевич В. М., Клювак О. В. Економічний аналіз рівнів ефективності та якості інтернет-платіжних систем підприємства // Бізнес Інформ. – 2015. – № 1. – С. 160–164.
14. Юзевич В. М., Валяшек В. Б., Каплун А. В. Математичне та комп’ютерне моделювання фізичних характеристик матеріалу у вершині тріщини з урахуванням ефекту зміцнення // Комп’ютерно-інтегровані технології: освіта, наука, виробництво. – 2015. – № 18. – С. 97–104.
15. Копитко М. І. Комплексне забезпечення економічної безпеки підприємств (на матеріалах підприємств транспортного машинобудування): дис. д-ра екон. наук: спец. 21.04.02 “Економічна безпека суб’єктів господарської діяльності”. – К., 2015. – 478 с.
16. Поляков С. Г., Клименко А. В., Коваленко С. Ю. Система корозійного моніторингу трубопроводів // Наука та інновації. – 2010. – Т. 6, № 5. – С. 25–28.