Статья посвящена описанию разработанной методологии автоматизированного контроля ответственных изделий методами коротковолнового электромагнитного излучения. Материалами для исследования являются технологические процессы контроля и рентгенограммы точечных сварных соединений изделий машиностроения. Приведен пример рентгенограммы. Отмечено, что разработанная методология автоматизированного контроля ответственных изделий методами коротковолнового электромагнитного излучения включает в себя: алгоритмы автоматизированного контроля и основанное на них программное обеспечение; описание сформированной последовательности автоматизированного контроля; методики применения программного обеспечения, включающие сквозные примеры автоматизированного контроля. Подробно описана искусственная нейронная сеть, спроектированная на языке MATLAB. Входные нейроны представляют собой два класса: данные об объекте и данные об оборудовании. Скрытый слой включает в себя 18 нейронов, в соответствии с ранее сформированными данными из БД. Три последующих слоя формируют три параметра: алгоритм фильтрации, алгоритм пастеризации и алгоритм распознавания. В качестве функции активаци используется сигмовидная функция. Приведены два примера использования методики с приведением полученных результатов. Сделан вывод об адекватности разработанной методики, в основе которой лежит модель синтеза решений по проектированию процессов контроля.

The article is devoted to the description of the developed methodology for the automated control of critical products by the methods of short-wave electromagnetic radiation. Materials for the study are the technological control processes and radiographs of spot welded joints of engineering products. An example of radiographs is given. It is noted that the developed methodology for the automated control of critical products by the methods of short-wave electromagnetic radiation includes: automated control algorithms and software based on them; description of the generated sequence of automated control; software application techniques that include end-to-end examples of automated control. An artificial neural network designed in the MATLAB language is described in detail. Input neurons are two classes: object data and equipment data. The hidden layer includes 18 neurons, in accordance with previously generated data from the database. Three subsequent layers form three parameters: a filtering algorithm, a pasteurization algorithm, and a recognition algorithm. As a function, activation is used sigmoid function. Two examples of using the methodology with the results obtained are given. The conclusion is made about the adequacy of the developed methodology, which is based on the model of synthesis of solutions for the design of control processes.