AE source location by neural networks with arrival time profiles

0334346 - ÚT 2010 RIV CZ eng C - Conference Paper (international conference)
Chlada, Milan - Blaháček, Michal - Převorovský, Zdeněk
AE source location by neural networks with arrival time profiles.
[Lokalizace zdrojů akustické emise pomocí neuronových sítí na základě časových profilů.]
NDT in PROGRESS. Brno: University of Technology Brno, 2009 - (Mazal, P.), s. 11-18. ISBN 978-80-214-3968-9.
[NDT in Progress /5./. Praha (CZ), 12.10.2009-14.10.2009]
R&D Projects: GA ČR GA101/07/1518; GA ČR GA106/07/1393
Institutional research plan: CEZ:AV0Z20760514
Keywords : acoustic emission * source localization * neural networks
Subject RIV: BI - Acoustics

Correct localization of acoustic emission (AE) sources is a basic requirement in AE analysis and consequent evaluation of damage mechanism. The localization procedures using artificial neural networks (ANN) represent today highly effective, alternative approach to classical triangulation algorithms. Nevertheless, their application possibilities are limited due to problematic collecting of sufficiently extensive training and testing data sets together with the non-portability of particular trained network to any other object. A new ANN-based approach, using so-called signal arrival time profiles, is proposed to overcome both limitations. Such approach provides the ANN training on numerical models and allows the application of learned ANN on real structures of various scales and materials. This enables considerable extension of ANN application possibilities. New method is illustrated on experimental data obtained during pen-tests on a steel plate, and its remarkable advantages are discussed.

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.
Permanent Link: http://hdl.handle.net/11104/0179106