ANALÝZA SIGNÁLŮ SPOJITÉ AKUSTICKÉ EMISE

Podobné dokumenty
LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA

VÝVOJ NOVÉ GENERACE ZAŘÍZENÍ S POKROČILOU DIAGNOSTIKOU PRO STANOVENÍ KONTAKTNÍ DEGRADACE

Problematika disertační práce a současný stav řešení. Filip Hort

Korelace změny signálu AE s rozvojem kontaktního poškození

Název práce: DIAGNOSTIKA KONTAKTNĚ ZATÍŽENÝCH POVRCHŮ S VYUŽITÍM VYBRANÝCH POSTUPŮ ZPRACOVÁNÍ SIGNÁLU AKUSTICKÉ EMISE

Popis zobrazení pomocí fuzzy logiky

Identifikace vzniku a rozvoje poškození axiálně zatížených valivých ložisek metodou akustické emise

Detekce erozně korozního poškozování parovodů (FAC) metodou akustické emise

Výzkumná skupina Únavové vlastnosti výsledky 2010 a perspektivy 2011 Pavel Mazal

Vold-Kalmanova řádová filtrace. JiříTůma

DOOSAN Škoda Power s. r. o. a Západočeská univerzita v Plzni ŘÍZENÍ AERODYNAMICKÉHO TUNELU PRO KALIBRACI TLAKOVÝCH SOND

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA Sylabus pro předmět STATISTIKA Pomůcky... 7

Amplitudová a frekvenční modulace

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15

FUNKČNÍ VZOREK FUNKČNÍ VZOREK ZAŘÍZENÍ HTPL-A PRO MĚŘENÍ RELATIVNÍ TOTÁLNÍ EMISIVITY POVLAKŮ

Pojednání ke státní doktorské zkoušce. Hodnocení mechanických vlastností slitin na bázi Al a Mg s využitím metody AE

Copyright c R.Fučík FJFI ČVUT Praha, 2008

Problematika disertační práce a současný stav řešení

Náhodné signály. Honza Černocký, ÚPGM

Whale detection Brainstorming session. Jiří Dutkevič Lenka Kovářová Milan Le

Využití metody akustické emise pro zpřesnění diagnostiky. dej Pane, ať si pamatujeme jen ty dobré.

MKP simulace integrovaného snímače

10. Valivý odpor pneumatik

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)

Využití neuronové sítě pro identifikaci realného systému

ADA Semestrální práce. Harmonické modelování signálů

Srovnání cyklických vlastností Al a Mg slitin z hlediska vybraných NDT postupů

Pojednání ke státní doktorské zkoušce. Hodnocení mechanických vlastností slitin na bázi Al a Mg s využitím metody AE

CYKLICKÁ VRYPOVÁ ZKOUŠKA PRO HODNOCENÍ VÝVOJE PORUŠENÍ A V APROXIMACI ZKOUŠKY OPOTŘEBENÍ. Markéta Podlahová, Ivo Štěpánek, Martin Hrdý

Martin Vrbka 0/14. Institute of Machine and Industrial Design Faculty of Mechanical Engineering Brno University of Technology

PSI (Photon Systems Instruments), spol. s r.o. Ústav přístrojové techniky AV ČR, v.v.i.

Identifikace kontaktní únavy metodou akustické emise na valivých ložiscích Zyková Lucie, VUT v Brně, FSI

Quantization of acoustic low level signals. David Bursík, Miroslav Lukeš

CZ.1.07/2.3.00/

Rádiové rozhraní GSM fáze 1

Obsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou

Neuronové sítě. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Identifikace změn parametrů signálu akustické emise jako důsledku mechanického poškození

Měření a vyhodnocování kvality elektrické energie zdroj úspor podniku. Ing. Jaroslav Smetana. Blue Panther s.r.o.

Transformace obrazu Josef Pelikán KSVI MFF UK Praha

Hodnocení parametrů signálu AE při únavovém zatěžování tří typů konstrukčních materiálů. Vypracoval: Kolář Lukáš

Klasifikace a rozpoznávání. Extrakce příznaků

Popis projektu Jednotlivé experimenty. Projekt BAYES. Jan Zeman. Colosseum, a.s. 21. května 2008

Úvod do zpracování signálů

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

vzorek vzorek

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE DISERTAČNÍ PRÁCE

2010 FUNKČNÍ VZOREK. Obrázek 1 Budič vibrací s napěťovým zesilovačem

Problematika disertační práce a současný stav řešení

bezdrátová komunikace hvězdicová topologie gateway DX80G2M6S-P8

Modernizace a inovace výpočetní kapacity laboratoří ITE pro účely strojového učení. Jiří Málek

Statistická analýza jednorozměrných dat

KOMBINACE DVOU ULTRAZVUKOVÝCH NDT METOD PŘI TVORBĚ SHM SYSTÉMŮ CONJUNCTION OF TWO ULTRASONIC NDT METHODS IN SHM SYSTEMS

Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3 příklady. Příklady postavte z dat vašeho pracoviště nebo nalezněte v literatuře. Každý

P7: Základy zpracování signálu

Vlastnosti a modelování aditivního

IDENTIFIKACE BIMODALITY V DATECH

VLIV TENKÉ VRSTVY TIN NA CHOVÁNÍ POVRCHU PŘI KONTAKTNÍ ÚNAVĚ. Dana Lisová, Roman Reindl, Ivo Štěpánek

A6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti Přednáška 2

Algoritmy a struktury neuropočítačů ASN - P11

Téma 4: Stratifikované a pokročilé simulační metody

MATEMATICKÉ PRINCIPY VÍCEROZMĚRNÉ ANALÝZY DAT

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

RESEARCH REPORT. Petr TICHAVSKÝ, ÚTIA AVČR Tomáš SLUNÉČKO, ZD RPETY DAKEL Marie SVOBODOVÁ, UJP Praha a.s. Tomáš CHMELA, UJP Praha a.s.

UNIVERZITA PARDUBICE

o zkoušce elektromagnetické slučitelnosti LED svítidlo stube

Při návrhu FIR filtru řešíme obvykle následující problémy:

Dynamic Signals. Ananda V. Mysore SJSU

Kapitola 1 INTERNÍ AUDIT A JEHO POSTUPY 5. Kapitola 2 LOGIKA V INTERNÍM AUDITU 11

Czech Society for Nondestructive Testing NDE for Safety / DEFEKTOSKOPIE 2012 October 30 - November 1, Seč u Chrudimi - Czech Republic

Implementace povodňové směrnice v ČR. Ing. Hana Randová ředitelka odboru ochrany vod MŽP hana.randova@mzp.cz

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Modelování polohových servomechanismů v prostředí Matlab / Simulink

DIAGNOSTICS OF A HYDRAULIC PUMP STATUS USING ACOUSTIC EMISSION

31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014

ANALÝZA VLASTNOSTÍ KÓNICKÉHO PIEZOELEKTRICKÉHO SNÍMAČE AKUSTICKÉ EMISE

Geometrické transformace obrazu

Výzkumné centrum spalovacích motorů a automobilů Josefa Božka - Kolokvium Božek 2010, Praha

Simulace pohybu chodců pomocí celulárních modelů

Testování neuronových sítí pro prostorovou interpolaci v softwaru GRASS GIS

Metoda akustické emise

Výpis m-souboru: Výsledný průběh:

Studium utváření elastohydrodynamických mazacích filmů u hypoidních převodů. Pojednání ke Státní doktorské zkoušce. M. Omasta

Klasifikace hudebních stylů

Geometrické transformace obrazu a související témata. 9. přednáška předmětu Zpracování obrazů

Karta předmětu prezenční studium

Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky

In-situ studium deformačních mechanizmů hořčíkových slitin a kompozitů metodami akustické emise a neutronové difrakce

Fakulta strojního inženýrství Ústav konstruování / Odbor metodiky konstruování

Porovnání korelátorů dodávaných firmou Halma Water Management

Klíčová slova centrifugal compressor; CFD; diffuser; efficiency; impeller; pressure ratio; return channel

Key words: acoustic emission, fatigue loading, crack propagation, resonant frequency

Použití splinů pro popis tvarové křivky kmene

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

Ing. Tomáš MAUDER prof. Ing. František KAVIČKA, CSc. doc. Ing. Josef ŠTĚTINA, Ph.D.

Dvourozměrné měření úhlových korelací (2D ACAR) Technical University Delft

REGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB

Výzkumné centrum spalovacích motorů a automobilů Josefa Božka - 5. kolokvium Josefa Božka 2009, Praha,

Ústav termomechaniky AV ČR. Témata diplomových prací (2007) Oddělení dynamiky tekutin Dolejšova 5 Praha 8 mail:

6. Lineární regresní modely

Transkript:

ANALÝZA SIGNÁLŮ SPOJITÉ AKUSTICKÉ EMISE Milan Chlada, Zdeněk Převorovský Ústav termomechaniky AV ČR, v. v. i., NDT laboratoř, Dolejškova 142/, 182 Praha 8 chlada@it.cas.cz, zp@it.cas.cz, tel.+42 2663144 KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i.

Examples of osciloscopic records of burst and continuous AE burst AE signals time continuous AE signal time Burst AE: plastic deformation of metals, crack growth, friction, material failure... Continuous AE: leakage of liquids under pressure, machining, welding, monitoring of technological processes and devices... KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i.

TIME-FREQUENCY ANALYSIS relative ampplitude RECORDED SIGNAL 7 frequency [khz] 6 SPECTROGRAM DISCONTINUITIES 4 3 2 1.2..7 time [s] KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i..1

TIME-FREQUENCY ANALYSIS Scheme of Wavelet decomposition ORIGINAL SIGNAL... low-pass filtration... high-pass filtration detail wavelet components approximation wavelet components KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i.

TIME-FREQUENCY ANALYSIS wavelet transform original signal time [ms] wavelet level coefficients of details time [ms] KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i.

x 1 4 N u m b e r o f c la s s ic a l c o u n ts 2 1 1 1 2 2 3 3 4 C R 2 [ s 1 ] C R 1 [ s 1 ] 4 N u m b e r o f c o u n t s - 4 t h a p p r o x i m a t io n l e v e l 4 1 W C R 4 [ s 1 ] x 1 2 2 x 1 1 1 4 2 t im e [ m in ] 2 3 3 4 4 N u m b e r o f c o u n t s - 4 t h d e t a il le v e l 2 1 W C R 1 [ s 1 ] 2 1 1 1 2 2 3 3 4 W C R 9 [ s 1 ] W C R [ s 1 ] t im e [ m in ] 4 4 4 x 1 N u m b e r o f c o u n ts - 3 r d d e ta il le v e l 2 1 1 2 2 3 3 4 W C R 8 [ s 1 ] W C R 3 [ s 1 ] t im e [ m in ] 4 Number of counts in each level of wavelet decomposition 4 4 x 1 4 N u m b e r o f c o u n ts - 2 n d d e ta il le v e l 4 2 2 1 1 2 2 3 3 4 W C R 7 [ s 1 ] W C R 2 [ s 1 ] t im e [ m in ] 4 2 x 1 N u m b e r o f c o u n ts - 1 s t d e ta il le v e l 4 1 2 1 1 2 2 3 3 4 W C R 6 [ s 1 ] W C R 1 [ s 1 ] t im e [ m in ] 4 t im e [ m in ] KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i. (whole record of channel 1)

Evaluation of Rolling Contact Fatigue (Pictures by Institute of Machine and Industrial Design, Brno University of Technology, Brno) KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i.

Evaluation of Rolling Contact Fatigue (Pictures by Institute of Machine and Industrial Design, Brno University of Technology, Brno) KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i.

Sledování poškození valivých ložisek (Picture by Institute of Machine and Industrial Design, Brno University of Technology, Brno) KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i.

MEASURING DEVICE Handyscope HS MHz, 14 bit USB oscilloscope 4 MHz Arbitrary Waveform Generator MATLAB COMPATIBLE KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i.

Sledování poškození valivých ložisek RMS 1 čas [h] 1 KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i. 2

Sledování poškození valivých ložisek Normovaný kombinovaný spektrogram 1 2 frekvence [khz] 3 4 6 7 8 9 1 1 čas [h] 1 KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i. 2

Sledování poškození valivých ložisek Normovaný kombinovaný countogram 2 perioda [us] 4 6 8 1 12 14 1 čas [h] 1 KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i. 2

MAPOVÁNÍ OBECNÝCH ZÁVISLOSTÍ POMOCÍ NEURONOVÝCH SÍTÍ Výběr vhodného parametrického prostoru je klíčovým krokem nejen z hlediska výsledných vlastností aplikovaného modelu. Cílem každé parametrizace by mělo být získání maxima informace skryté v datech za současné minimalizace redundance. redundance. Např. lineární závislosti mezi různými parametry lze snadno odhalit pomocí faktorové analýzy, která poskytuje předběžnou hypotézu ve formě korelačního schématu mezi parametry a latentními veličinami, zvanými faktory. Umožňuje eliminaci triviálních lineárních závislostí a soustředit tak pozornost jen na parametry vzájemně lineárně nezávislé. Další možností je oddělení z určitých hledisek podstatných charakteristik od nevýznamných. nevýznamných. V případě expertních systémů navržených na bázi umělých neuronových sítí (ANN) lze aplikovat citlivostní analýzu, analýzu, která eliminuje vstupní parametry, pro řešení konkrétního problému nevýznamné. Citlivostní analýzou speciálních sítí, sítí, naučených odhadovat jednotlivé parametry na základě zbývajících, lze mapovat i obecné vzájemné souvislosti v datech. Metoda byla úspěšně odzkoušena na jednoduchých simulovaných závislostech, přičemž širší uplatnění v praxi vyžaduje další výzkum, zejména studium obecných aproximačních vlastností ANN. Citlivostní analýza - Učení neuronové sítě se všemi parametry (vstupy) a P daty, které jsou k dispozici. Eliminace parametrů, jejichž citlivostní koeficienty sij mají nízké hodnoty: 1 s ij = P KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i. P N yp j yp i p=1

MAPOVÁNÍ OBECNÝCH ZÁVISLOSTÍ POMOCÍ NEURONOVÝCH SÍTÍ Testování metody na simulovaných datech Metoda byla testována na případech detekce funkčních závislostí na šumovém pozadí. Parametry x1, x3, x4, x byly voleny náhodně s rovnoměrným rozdělením v intervalu (-1,1). Hodnoty druhého parametru pak byly vypočítány podle vzorce x2=(x1)3. Druhá skrytá závislost je modelována složitějším funkčním vztahem, který je již vícerozměrný a není prostý (viz 3D řez x1, x3, x6), čímž se stává lineárními metodami nedetekovatelným. 2 2 x 6 = x 1 sin x 3 2 1-1 1. 1. -. -. -1-1 KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i.

DĚKUJI ZA POZORNOST... KM FJFI 27.4.216 - prezentace NDT lab. ÚT AVČR, v.v.i.