ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. «Приборостроение». 2012
295
о слабых связях или об их отсутствии, что свидетельствует, напри-
мер, о какой-то аномалии в обследуемом объекте.
Для анализа количественных признаков дефектов можно исполь-
зовать коэффициенты контрастности
k
(3)
и
э
k
(4),
где
k
—
номер
метода. Повысить надежность выделения дефектов комплексом ме-
тодов (
k
= 1, 2, 3, ...,
l
)
можно, например, с помощью функции ком-
плексного показателя (ФКП):
1
ФКП
,
l
k k
k
С
где
l —
число методов в комплексе;
k
—
абсолютное значение ко-
эффициента контрастности;
k
C
—
эвристический весовой коэффици-
ент, устанавливаемый на основе общих теоретических или практиче-
ских представлений. На графиках ФКП максимумы соответствуют
положениям центров самых достоверных дефектов.
Для выделения труднообнаруживаемых (малых, глубокораспо-
ложенных) дефектов можно использовать различные методы: распо-
знавание образов, дискриминантный, кластерный, факторный и др.
Сущность их сводится к изучению сигналов, полученных от известных
дефектов на этапах обучения. При исследовании применяют матема-
тические методы оценки признаков таких дефектов. При проведении
обследования объекта эти признаки используют при распознавании
обнаруженных аномалий, которые могут быть потенциальными де-
фектами.
Количественная интерпретация данных может быть пометодной
и совместной. Пометодная интерпретация комплексных данных сво-
дится к определению характеристик дефектов обследуемых объектов
путем решения обратных задач для разных методов. Совместное ре-
шение обратных задач для нескольких методов реализуется методом
многомерной статистики, например, получения уравнения многомер-
ной регрессии. Для этого по результатам наблюдений рассчитывают
те или иные физические и геометрические параметры ,
i
y
выражае-
мые численно. Для тех же объектов определяют физические парамет-
ры
i
x
,
получаемые наиболее точно, т. е. на которые принцип экви-
валентности действует наименьшим образом. В ходе обработки ре-
зультатов измерений на этапе обучения используют формулу
многомерной линейной регрессии:
0
1
,
l
i
i i
i
y a
a x
 
(6)