Počet záznamů: 1
Deep learning methods for acoustic emission evaluation
- 1.
SYSNO ASEP 0549679 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Deep learning methods for acoustic emission evaluation Tvůrce(i) Kovanda, M. (CZ)
Chlada, Milan (UT-L) RID, ORCIDCelkový počet autorů 2 Zdroj.dok. SPMS 2020/21 Stochastic and Physical Monitoring Systems. - Praha : Czech Technical University in Prague, 2021 - ISBN 978-80-01-06922-6 Rozsah stran s. 111-118 Poč.str. 8 s. Forma vydání Tištěná - P Akce SPMS 2020/21 Datum konání 24.06.2021 - 28.06.2021 Místo konání Malá Skála Země CZ - Česká republika Typ akce EUR Jazyk dok. eng - angličtina Země vyd. CZ - Česká republika Klíč. slova acoustic emission ; deep learning ; machine learning ; plastic deformation ; time series classification Vědní obor RIV BI - Akustika a kmity Obor OECD Materials engineering Institucionální podpora UT-L - RVO:61388998 Anotace The goal of this paper is to show the possibilities of state-of-the-art deep learning methods for ultrasound signals evaluation. Several neural network architectures are applied to
acoustic emission signals measured during the tensile tests of metallic specimen to determine the beginning of plasticity in the material. Plastic deformation is accompanied by microscopic
events such as a slip of atomic plane dislocations which is hardly detectable by other methods. The potential of machine learning is demonstrated on two tensile tests where the material is
strained until it collapses. The examined networks proved well to reliably predict the risk of collapse together with changes in the ultrasound emission signals.Pracoviště Ústav termomechaniky Kontakt Marie Kajprová, kajprova@it.cas.cz, Tel.: 266 053 154 ; Jana Lahovská, jaja@it.cas.cz, Tel.: 266 053 823 Rok sběru 2022
Počet záznamů: 1