Original title:
OPTIMALIZACE VOLBY SIGNÁLOVÝCH PARAMETRŮ PRO ROZPOZNÁVÁNÍ ZDROJŮ AKUSTICKÉ EMISE
Translated title:
OPTIMIZED NUMBER OF SIGNAL FEATURES FOR IDENTIFICATION OF AE SOURCES
Authors:
Chlada, Milan ; Převorovský, Zdeněk Document type: Papers Conference/Event: Defektoskopie 2008 /38./, Brno (CZ), 2008-11-04 / 2008-11-06
Year:
2008
Language:
cze Abstract:
[cze][eng] Umělé neuronové sítě (ANN) jsou efektivním nástrojem pro identifikaci zdrojů akustické emise (AE). Komplikovaným problémem obecného rozpoznávání dat je vhodná volba extrahovaných parametrů. Standardní charakteristiky signálu AE jsou nezřídka redundantní a nebo pro identifikační problém irelevantní. Za účelem redukce redundance dat jsou v příspěvku navrženy modifikace standardních emisních parametrů, jejichž výběr je dále optimalizován faktorovou analýzou a citlivostní analýzou identifikačních neuronových sítí. Tento optimalizační proces je testován při rozpoznávání zdrojů AE vznikajících během únavových zkoušek prováděných na součástech letecké konstrukce. Optimalizované signálové charakteristiky zachovávají dostatečnou informaci při minimálním počtu extrahovaných parametrů.Artificial neural networks (ANN) are effective instruments for identification of AE sources. The proper selection of extracted data features is complicated task in general data recognition. Standard AE signal parameters are often redundant or not relevant in recognition problem. Modifications of standard AE signal features are proposed in this paper as to reduce data redundancy. Set of extracted AE parameters is optimized by factor analysis and sensitivity analysis of recognizing neural networks. This optimization is illustrated by recognition of AE sources arising during fatigue tests performed on aircraft structure parts. Optimized AE signal features cover enough information with minimized number of parameters.
Keywords:
AE source recognition; artificial neural networks Project no.: CEZ:AV0Z20760514 (CEP), GA101/07/1518 (CEP), GA106/07/1393 (CEP) Funding provider: GA ČR, GA ČR Host item entry: Defektoskopie 2008, ISBN 978-80-214-3759-3
Institution: Institute of Thermomechanics AS ČR
(web)
Document availability information: Fulltext is available at the institute of the Academy of Sciences. Original record: http://hdl.handle.net/11104/0165945