|
|
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.
|
|
|
Combined ESAM and DORT method in nonlinear ultrasonic spectroscopy
Vejvodová, Šárka ; Převorovský, Zdeněk ; Dos Santos, S.
Combination of ESAM (Excitation Symmetry Analysis Method) and DORT (Décomposition de l’Opérateur du Retournement Temporel) provides a powerful tool for detection and localization of defects by analysis of their nonlinear signature. Piezoelectric transducers are used for both excitation and data acquisition. Transmitters consequently emit the excitation signals and corresponding responses are measured by the array of receivers. The amplitude of excitation signals is variable as to separate the nonlinear parts of the measured signal. ESAM signal pre-processing is used for nonlinear parts extraction. Separated signal records form linear and nonlinear multistatic data matrices. DORT method is applied on data matrices to separate echoes of defects in the tested medium. Obtained data are used for evaluation of nonlinear parameters corresponding to separated defects and also for their localization. The procedure is completed by visualization of nonlinear signatures of detected defects.
|
|
|
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.
|
|
|
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.
|
|
|
Akustická emise cyklicky zatěžovaných leteckých konstrukcí
Blaháček, Michal ; Skála, J.
Značné riziko pro bezpečnost současného letectví představuje únavové poškození leteckých konstrukcí. Obvykle se tento problém řeší preventivní výměnou kritických dílů, bez ohledu na jejich skutečný stav. To je ovšem dosti nákladný a neefektivní postup. Velkým přínosem by proto byla diagnostická metoda, která by dokázala detekovat prvotní změny v konstrukci vedoucí později k vytvoření trhliny (měnit součást až když je trhlina jasně patrná může být pozdě). Akustická emise je metoda nedestruktivního zkoušení, která by mohla takové informace poskytnout. Ve VZLÚ byla provedena série cyklických únavových zkoušek leteckých součástí, při nichž byla měřena emisní aktivita vzorku. Po určitém počtu zatěžovacích cyklů byl testovaný vzorek prozkoumán širokým spektrem diagnostických postupů (ultrazvuk, vířivé proudy, optické metody, nelineární ultrazvukové metody, atd.) a výsledky byly konfrontovány s měřením AE.
|
|
|
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.
|
|
|
Vliv nejistoty v určení časových diferencí na přesnost lokalizace zdroje akustické emise
Blaháček, Michal
Akustická emise (AE) je metoda nedestruktivního zkoušení, která na základě akustických, většinou ultrazvukových, vln emitovaných zdroji AE a šířících se testovanou konstrukcí podává informace o aktuálním stavu případně zbytkové životnosti konstrukce. Poloha zdroje AE je jeho základní charakteristikou. Většina algoritmů na hledání neznámé polohy zdroje používá jako vstupní údaje časové diference příchodu akustických vln k různým dvojicím snímačů. Bohužel získat přesné časové diference je často velmi obtížné. Tato práce se věnuje analýze vlivu chybných časových diferencí na polohu AE zdroje vypočtenou pomocí klasického 2-D triangulačního algoritmu.
|
host ::
RSS.