LOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA



Podobné dokumenty
ANALÝZA SIGNÁLŮ SPOJITÉ AKUSTICKÉ EMISE

SLEDOVÁNÍ ROZVOJE ÚNAVOVÝCH TRHLIN V NÝTOVANÝCH LETECKÝCH KONSTRUKCÍCH POMOCÍ AKUSTICKÉ EMISE

Algoritmy a struktury neuropočítačů ASN - P11

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

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

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

Trénování sítě pomocí učení s učitelem

Ultrazvuková defektoskopie. Vypracoval Jan Janský

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

AE SOURCE LOCATION BY NEURAL NETWORKS INDEPENDENT ON MATERIAL AND SCALE CHANGES

Modelování anelastické odezvy vlastních kmitů zemětřesení v Chile 2010

Využití neuronové sítě pro identifikaci realného systému

Nelineární analýza materiálů a konstrukcí (V-132YNAK) Přednáška 2 Princip metody konečných prvků

Jana Dannhoferová Ústav informatiky, PEF MZLU

Obsah PŘEDMLUVA 11 ÚVOD 13 1 Základní pojmy a zákony teorie elektromagnetického pole 23

3. Vícevrstvé dopředné sítě

Pružnost a plasticita II CD03

TÉMATA PROJEKTŮ KME/PRJ3 VYPSANÁ PRO ZIMNÍ SEMESTR AK. R. 2016/17. Katedra mechaniky

5. Umělé neuronové sítě. Neuronové sítě

PowerOPTI Řízení účinnosti tepelného cyklu

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


Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář,

Neuronové sítě Ladislav Horký Karel Břinda

Analytické metody v motorsportu

PŘEDMLUVA 11 FORMÁLNÍ UJEDNÁNÍ 13

Manuál k obsluze simulátoru KKK ELO 2011 pro studenty, popis laboratorní úlohy

Umělé neuronové sítě

Pozn. 1. Při návrhu aproximace bychom měli aproximační funkci vybírat tak, aby vektory ϕ (i) byly lineárně

Generování sítě konečných prvků

Metoda konečných prvků Charakteristika metody (výuková prezentace pro 1. ročník navazujícího studijního oboru Geotechnika)

Aplikovaná numerická matematika

Speciální numerické metody 4. ročník bakalářského studia. Cvičení: Ing. Petr Lehner Přednášky: doc. Ing. Martin Krejsa, Ph.D.

Multirobotická kooperativní inspekce

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory

Nelineární problémy a MKP

Modelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček. 8. přednáška 11MSP pondělí 20. dubna 2015

Problematika disertační práce a současný stav řešení. Filip Hort

Globální matice konstrukce

PARCIÁLN LNÍ ROVNICE

Fiala P., Karhan P., Ptáček J. Oddělení lékařské fyziky a radiační ochrany Fakultní nemocnice Olomouc

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

Testování neuronových sítí pro prostorovou interpolaci v softwaru GRASS GIS

Static Load Balancing Applied to Time Dependent Mechanical Problems

Moderní systémy pro získávání znalostí z informací a dat

Rovinný průtokoměr. Diplomová práce Ústav mechaniky tekutin a termodynamiky, Jakub Filipský

OPTIMALIZACE NÁVRHU CB VOZOVEK NA ZÁKLADĚ POČÍTAČOVÉHO A EXPERIMENTÁLNÍHO MODELOVÁNÍ. GAČR 103/09/1746 ( )

Křivky a plochy technické praxe

Neuronové časové řady (ANN-TS)

Numerická stabilita algoritmů

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

Maturitní otázky z předmětu MATEMATIKA

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

Číslicové zpracování signálů a Fourierova analýza.

Kristýna Bémová. 13. prosince 2007

VÝVOJ NOVÉ GENERACE ZAŘÍZENÍ S POKROČILOU DIAGNOSTIKOU PRO STANOVENÍ KONTAKTNÍ DEGRADACE

6. Viskoelasticita materiálů

České vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská OKRUHY. ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM

Určení hlavních geometrických, hmotnostních a tuhostních parametrů železničního vozu, přejezd vozu přes klíny

ÚVOD DO MODELOVÁNÍ V MECHANICE

OBECNÉ METODY VYROVNÁNÍ

Aproximační křivky. Trocha historie. geometrické modelování veliký pokrok v oblasti letectví 1944 Roy Liming

Objektově orientovaná implementace škálovatelných algoritmů pro řešení kontaktních úloh

Cvičení z matematiky jednoletý volitelný předmět

Emergence chování robotických agentů: neuroevoluce

Datová věda (Data Science) akademický navazující magisterský program

Binární data. Číslicový systém. Binární data. Klávesnice Snímače polohy, dotykové displeje, myš Digitalizovaná data odvozená z analogového signálu

Flexibilita jednoduché naprogramování a přeprogramování řídícího systému

Algoritmy a struktury neuropočítačů ASN - P10. Aplikace UNS v biomedicíně

Grafika na počítači. Bc. Veronika Tomsová

SEZNAM ANOTACÍ. CZ.1.07/1.5.00/ III/2 Inovace a zkvalitnění výuky prostřednictvím ICT VY_32_INOVACE_MA4 Analytická geometrie

Matematický ústav UK Matematicko-fyzikální fakulta

Analytické metody v motorsportu

Matematický ústav UK Matematicko-fyzikální fakulta

Vojtěch Hrubý: Esej pro předmět Seminář EVF

Rozvoj tepla v betonových konstrukcích

K metodám převodu souřadnic mezi ETRS 89 a S-JTSK na území ČR

Lineární klasifikátory

Projekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma

MĚŘENÍ AKUSTICKÝCH VELIČIN. Ing. Barbora Hrubá, Ing. Jiří Winkler Kat. 225 Pozemní stavitelství 2014

OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB D24FZS

Rozpoznávání písmen. Jiří Šejnoha Rudolf Kadlec (c) 2005

8. Sběr a zpracování technologických proměnných

Geometrické transformace

8. Základy lomové mechaniky. Únava a lomová mechanika Pavel Hutař, Luboš Náhlík

Numerické metody. Numerické modelování v aplikované geologii. David Mašín. Ústav hydrogeologie, inženýrské geologie a užité geofyziky

Základy elektrotechniky 2 (21ZEL2) Přednáška 1

OSA. maximalizace minimalizace 1/22

Úvod do zpracování signálů

Téma: Vektorová grafika. Určete pravdivost následujícího tvrzení: "Grafická data jsou u 2D vektorové grafiky uložena ve voxelech."

Numerické integrace některých nediferencovatelných funkcí

Programování LEGO MINDSTORMS s použitím nástroje MATLAB a Simulink

Matematické modely a způsoby jejich řešení. Kateřina Růžičková

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE DISERTAČNÍ PRÁCE

Základy tvorby výpočtového modelu

KATEDRA ELEKTRICKÝCH MĚŘENÍ

Elektronické obvody analýza a simulace

Úvod do mobilní robotiky NAIL028

Transkript:

LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA AE SOURCE LOCATIO BY EURAL ETWORKS IDEPEDET O MATERIAL AD SCALE CHAGES Milan CHLADA, Zdeněk PŘEVOROVSKÝ Ústav termomechaniky AV ČR, v.v.i., Dolejškova 1402/5, 182 00 Praha 8 Contact e-mail: chlada@it.cas.cz DEFEKTOSKOPIE 2010

LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA ÚVOD ČASOVÉ PROFILY METODOLOGIE APLIKACE A - UČEÍ UMERICKY GEEROVAÝMI DATY (zadání tvaru součástky, metoda hledání nejkratších cest, výpočet časových profilů, učení neuronových sítí) - TESTOVÁÍ A REÁLÝCH MĚŘEÍCH - ZÁVISLOST VÝSLEDKŮ A KOFIGURACI SÍMAČŮ ZÁVĚRY DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

ÚVOD Prvotní úkol analýzy emisní aktivity: LOKALIZACE ZDROJE Triangulační algoritmus - vstupními daty jsou časové diference příchodů signálů a rychlost elastické vlny - analytické vzorce jsou známé jen pro tenké isotropní desky a geometricky spojité součásti Umělé neuronové sítě (A) - lze aplikovat i na vysoce anizotropní materiály - rychlost šíření elastické vlny není vstupním parametrem - problematické získávání dostatečného počtu tréninkových a testovacích dat - nepřenositelnost konkrétní naučené sítě na jinou úlohu Možné řešení: matematický model šíření napěťových vln Za předpokladu, že nejrychlejší typ vlny se šíří po geometricky nejkratších cestách: cestách: Metoda geodetických křivek - nutný parametrický popis součásti, součásti, řešení dif. rovnic, rovnic, diskretizace uzlovými body - výsledek lze interpretovat jako tabulku typických časových diferencí A + ČASOVÉ PROFILY - časové profily umožňují num. generování přesných učících dat bez měřících chyb s využitím metody pro aproximaci geodetických vzdáleností v diskrétně zadaných tělesech (2D (2D i 3D) 3D) - nezávislost A na změně materiálu a měřítka => PŘEOSITELOST DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

ZOÁLÍ LOKALIZACE Rozdělení konstrukce na zóny podle prvního příchodu signálu AE k jednotlivým snímačům 250 50 S9 9 250 S5 4 3 10 S10 2 150 1 5 350 7 S1 S7 450 vzdálenost od snímače [pixely] souřadnice y [pixely] 150 50 550 souřadnice x [pixely] 600 700 800 900 0 DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

Demonstrační schéma měření signálu AE (2D model) Si - snímače (t4) ZDROJ AE d = vt (čas ts) d = 2 Tv 2 S )v + (t3) d 1 =( t1 -t t2 S1 t1 šíření elastické vlny značení: ts - čas inicializace zdroje AE ti - čas příchodu signálu Ti - čas šíření signálu od zdroje ke snímači Si T - normalizační perioda di - vzdálenost mezi zdrojem AE a snímačem d - vzdálenost mezi dvěma vhodně zvolenými body v - rychlost šíření elastické vlny DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

DEFIICE ČASOVÝCH PROFILŮ Časový profil je vektor s následovně definovanými složkami pi : Ti T j pi = j=1 k =1 1 Tk ČASY PŘÍCHODŮ ts t2 t1 t4 t3 p1 p4 p3 + + T1 S1 T2 j=1 p2 T3 T j ČASOVÝ PROFIL T4 + + S1 [s] -1 0 1 DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

VLASTOSTI ČASOVÝCH PROFILŮ Výpočet pomocí časů příchodů (ts - čas inicializace zdroje AE) AE): t i t s t j t s pi = ti t j j=1 k =1 1 tk t s t j t s j=1 = j=1 k =1 1 tk tj j=1 ezávislost časových profilů na změně měřítka a materiálu: materiálu: di dj v j=1 v pi = = dk dj 1 v j=1 v k =1 di d j j =1 k =1 1 dk dj j=1 DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

EXPERIMET Záznam emisních dat (navzorkované signály): signály): Únavová zkouška řídící kulisy z předního podvozku letounu, tzv. Steering Actuator Bracket (SAB). Zatěžovací podmínky: Cyklické tahové namáhání jednoosovým zatěžovacím strojem (dosud 290000 cyklů) Instron-Schenck k (R=0, frekvence 0.5-1 Hz) maximální silou 50k. Monitorovací AE systém: DAKEL XEDO AE Výpočet časových profilů: z časů příchodů určených expertním algoritmem DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ SAB Rozmístění virtuálních učících zdrojů 50 souřadnice y [pixely] 150 S9 250 350 450 550 600 700 800 900 souřadnice x [pixely] DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

APLIKACE UMĚLÝCH EUROOVÝCH SÍTÍ Učení A p1 p2 p3 p4 x......... wi 2 y SOUŘADICE ZDROJE AE (odhad) VSTUPY (časové profily) - architektura sítě (počty neuronů v každé vrstvě): vrstvě): 4-39-17-2 - inicializační váhy nastaveny statistickou optimalizací startovních potenciálů neuronů - váhy a prahy postupně korigovány resilientní verzí algoritmu back-propagation s regularizací (učící data - síť virtuálních zdrojů) DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ SAB Zpětná projekce učících bodů do tréninkové oblasti 50 souřadnice y [pixely] 150 S9 250 350 450 550 600 700 800 900 souřadnice x [pixely] DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ SAB Výsledky lokalizace tří sad pen-testů 50 souřadnice y [pixely] 150 S9 1 250 2 350 3 450 550 600 700 800 900 souřadnice x [pixely] DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ SAB Výsledky lokalizace reálného zdroje AE 50 souřadnice y [pixely] 150 S9 250 350 450 550 600 700 800 900 souřadnice x [pixely] DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ Střešní nosník (I-profil) Rozmístění virtuálních učících zdrojů S1 mm DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ Střešní nosník (I-profil) Zpětná projekce učících bodů do tréninkové oblasti S1 mm DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ Střešní nosník (I-profil) Výsledky lokalizace tří sad pen-testů S1 mm DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

LOKALIZACE ZDROJŮ AE POMOCÍ ČASOVÝCH PROFILŮ Střešní nosník (I-profil) Projekce učících bodů - výsledky pro různé konfigurace snímačů S1 S1 Množina virtuálních učících zdrojů by neměla obsahovat body, které mají téměř shodné vzdálenosti ke všem snímačům, čímž dochází k dělení velmi malými čísly. DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA

ZÁVĚRY Relativizace chronologie příchodů signálu AE k jednotlivým snímačům pomocí časových profilů umožňuje významné rozšíření aplikačních možností A. A. Časové profily umožňují numerické generování dostatečného počtu přesných učících dat a následné testování naučených A na datech z reálného experimentu. experimentu. K jejich výpočtu lze použít vzdálenosti emisních zdrojů ke snímačům, odhadnuté algoritmem pro hledání nejkratších cest v materiálu na rastrovém obrázku konstrukce. Časové profily jsou nezávislé na změně měřítka a rychlosti elastické vlny, tzn. naučené neuronové sítě jsu přenositelné na všechny proporcionálně shodné konstrukce. Pro zaručení numerické stability metoda paradoxně vyžaduje nesymetrické konfigurace snímačů AE. AE. ejvětším zdrojem lokalizačních chyb je nepřesné určení začátku signálů a nikoli aproximační chyba naučené neuronové sítě. Metoda časových profilů se spolu s A ukázala jako přenosný, robustní a snadno aplikovatelný algoritmus pro lokalizaci zdrojů AE. DEFEKTOSKOPIE 2010 - LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA