|
|
Sledování rozvoje únavových trhlin v nýtovaných leteckých konstrukcích pomocí akustické emise
Chlada, Milan ; Převorovský, Zdeněk
Akustická emise představuje jednu z významných nedestruktivních metod pro detekci a identifikaci rostoucích materiálových defektů. Původ různých typů detekovaných emisních signálů lze vysvětlit rozdílnými mechanismy poruch nebo provozními šumy. Monitorování konstrukcí pomocí akustické emise vyžaduje nové, robustní a rychlé metody pro lokalizaci a klasifikaci emisních zdrojů. Nově navržená lokalizační metoda na bázi umělých neuronových sítí, využívající tzv. časové profily příchodů signálu v poli snímačů akustické emise, byla aplikována na sledování rozvoje trhlin během dlouhodobého únavového zatěžování vzorků nýtované pásnice křídla letounu. V příspěvku jsou diskutovány možnosti této metody pro vzdálené "on-line" sledování růstu nebezpečných trhlin v kritických částech leteckých konstrukcí.
|
|
|
Structural Health Monitoring in aerospace and civil engineering supported with two ultrasonic NDT methods - AE and NEWS
Převorovský, Zdeněk ; Krofta, Josef ; Farová, Zuzana ; Chlada, Milan
Structural Health Monitoring (SHM) becomes today an important technology improving reliability and safety of aeronautical and civil structures. Combining of two ultrasonic NDT methods - Acoustic Emission (AE) with Nonlinear Elastic Wave Spectroscopy (NEWS) - in SHM systems brings many advantages. AE enables real-time detection and localization of initiation and progression under operational stimulations, and NEWS methods provide retrieval of structural faults and complete information on AE sources. Examples of a complex SHM system design for critical parts of both aircraft and building roofs are discussed in this paper. The NEWS pseudo-tomography procedure, based on Time Reversal Mirrors (TRM) with Excitation Symmetry Analysis Method (ESAM), enabled zone-location of initiating defects, not detectable by other classical NDT procedures.Our results reflect good robustness of both techniques, and support their helpfulness in SHM of aircraft and building structures.
|
|
|
Detection of AE Sources During Long-term Fatigue Tests of Riveted Aircraft Wing Flange
Chlada, Milan ; Převorovský, Zdeněk
Fracture is the primary threat to the integrity, safety, and performance of nearly all highly stressed mechanical structures, e.g., aircrafts, building units or pressure vessels. Contemporary exacting demands on reliability and safety of material structures are not realizable without effective means of NDT and continuous state monitoring. AE monitoring of structures needs new robust and fast methods for emission source location and classification. Recently proposed AE source location method using so-called signal arrival time profiles and artificial neural networks (ANN) was applied for monitoring of growing defects during long-term fatigue testing of riveted aircraft wing flange. The potentialities of the method regarding the on-line monitoring of dangerous crack growth in selected critical parts of aircraft structures are discussed.
|
|
|
Lokalizace zdrojů AE neuronovými sítěmi nezávisle na změnách materiálu a měřítka
Chlada, Milan ; Převorovský, Zdeněk
Lokalizace zdrojů akustické emise (AE) procedurami využívajícími umělé neuronové sítě (ANN) je vysoce efektivní alternativou ke klasickým triangulačním algoritmům. Mezi hlavní problémy patří především sběr dostatečného množství reprezentativních tréninkových dat a nepřenositelnost konkrétní naučené sítě na jiné úlohy. Jako řešení obou problémů se v poslední době osvědčila metoda na bázi ANN, využívající tzv. časové profily. Tento způsob charakterizace časů příchodů signálů k jednotlivým snímačům umožňuje učení ANN na numerických modelech s následnou aplikací na reálné konstrukce různých měřítek a materiálů. V příspěvku je tato metoda dále zdokonalena a demonstrována na experimentálních datech, získaných při pen-testech na modelovém střešním nosníku a součásti letecké konstrukce. Diskutovány jsou rovněž obecné možnosti aplikace jednotlivých variant metody pro různé konfigurace snímačů.
|
|
|
Aplikace časových profilů při lokalizaci zdrojů AE pomocí neuronových sítí
Chlada, Milan ; Blaháček, Michal ; Převorovský, Zdeněk
V současné době představují lokalizační procedury využívající umělé neuronové sítě (ANN) vysoce efektivní alternativu ke klasickým triangulačním algoritmům. Možnosti jejich aplikace jsou však z různých důvodů omezené. Hlavním problémem bývá především sběr dostatečného množství reprezentativních tréninkových dat spolu s nepřenositelností konkrétní naučené sítě na jinou úlohu. Jako řešení obou problémů byla v poslední době navržena metoda na bázi ANN, využívající tzv. časové profily. Tento nový způsob charakterizace časů příchodů signálů umožňuje učení ANN na numerických modelech a následnou aplikaci na reálných konstrukcích různých měřítek a materiálů. V příspěvku je tato nová metoda demonstrována na experimentálních datech získaných při zatěžování složité součásti letecké konstrukce a je diskutován její významný přínos pro rozšíření aplikačních možností ANN.
|
|
|
Lokalizace zdrojů akustické emise pomocí neuronových sítí na základě časových profilů
Chlada, Milan ; Blaháček, Michal ; Převorovský, Zdeněk
Primárním požadavkem analýzy akustické emise (AE) a následného vyhodnocování mechanismu poruchy je dostatečně přesné určení polohy emisních zdrojů. V současné době představují lokalizační procedury využívající umělé neuronové sítě (ANN) vysoce efektivní alternativu ke klasickým triangulačním algoritmům. Možnosti jejich aplikace jsou však z různých důvodů omezené. Hlavním problémem bývá především sběr dostatečného množství reprezentativních tréninkových dat spolu s nepřenositelností konkrétní naučené sítě na jinou úlohu. Jako řešení obou problémů byla v poslední době navržena metoda na bázi ANN, využívající tzv. časové profily. Tento nový způsob charakterizace časů příchodů signálů umožňuje učení ANN na numerických modelech a následnou aplikaci na reálných konstrukcích různých měřítek a materiálů, což představuje významné rozšíření aplikačních možností neuronových sítí. Nová metoda je demonstrována na experimentálních datech získaných při pen-testech na ocelové desce a jsou diskutovány její významné přínosy v praxi.
|
|
|
NEDESTRUKTIVNÍ HODNOCENÍ STAVU BETONOVÝCH KONSTRUKCÍ METODAMI NELINEÁRNÍ ULTRAZVUKOVÉ SPEKTROSKOPIE
Převorovský, Zdeněk ; Krofta, Josef ; Chlada, Milan
V příspěvku jsou diskutovány možnosti použití nelineární ultrazvukové spektroskopie k detekci defektů v železobetonových konstrukcích. Jsou zde uvedeny výsledky nedestruktivního hodnocení betonových kvádrů se železnou výztuží jak zkorodovanou tak i nepoškozenou. Vzorky byly osazeny 7 piezoelektrických měniči, z nichž jeden byl použit k harmonickému buzení signálem o frekvenci f1 = 45 kHz s postupně se zvyšující amplitudou. Z dalších 6 měničů byl vždy jeden použit jako vysílač signálu o f2 = 217 kHz a zbývajících 5 snímalo odezvu na dvoufrekvenční buzení. Funkce buzení/snímání byla přepínána vysokonapěťovým multiplexerem. Spektrální odlišnosti mezi vzorky se zkorodovanou a nezkorodovanou výztuží se nejvíce projevily v amplitudové závislosti nelineárních parametrů vyjádřených růstem poměru 3f1/2f1 a směšovacího produktu f2-3f1.
|
|
|
OPTIMALIZACE VOLBY SIGNÁLOVÝCH PARAMETRŮ PRO ROZPOZNÁVÁNÍ ZDROJŮ AKUSTICKÉ EMISE
Chlada, Milan ; Převorovský, Zdeněk
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.
|
|
|
Optimalizace architektury neuronových sítí pro rozpoznávání zdrojů akustické emise
Chlada, Milan ; Blaháček, Michal ; Převorovský, Zdeněk
V příspěvku je popsána a diskutována metoda rozpoznávání kombinace tří modelových emisních zdrojů buzených v reálné letecké konstrukci. Při optimalizaci zpětného odhadu jejich poměrného zastoupení ve zdrojové funkci naměřeného a zparametrizovaného signálu akustické emise byly určeny umělé neuronové sítě různých architektur. Následná citlivostní anylýza těchto sítí umožnila cílenou redukci vstupů až na minimum parametrů potřebných pro spolehlivý odhad poměrného zastoupení modelových zdrojů v budícím ultrazvukovém pulzu.
|
|
|
Expertní detekce příchodu signálu AE
Chlada, Milan
Po detekci signálu akustické emise (AE) je prvotním úkolem následující analýzy dostatečně přesné určení polohy emisního zdroje. K lokalizaci defektu se většinou používají časové diference příchodu signálu k jednotlivým snímačům. Při průchodu tělesem však dochází ke značnému zkreslení signálu od zdroje a nepřesná detekce příchodu (prvního nasazení signálu), resp. určení časových diferencí, je tak zdrojem největších chyb lokalizace zdroje. Při vyšších nárocích na přesnost a robustnost se výsledky doposud používaných lokalizačních metod ukázaly jako nedostačující. V příspěvku je popsána nově modifikovaná verze algoritmu, modelujícího expertní detekci příchodu vlny na základě informace o tvaru signálu. Tato metoda, vycházející z vývoje lokálních těžišť a energie signálu, se v mnoha aplikacích osvědčila jako dostatečně robustní, rychlá a snadno použitelná.
|
host ::
RSS.