DE19512503A1 - Diagnosesystem, das auf erlernte Audiosignaturen anspricht - Google Patents
Diagnosesystem, das auf erlernte Audiosignaturen ansprichtInfo
- Publication number
- DE19512503A1 DE19512503A1 DE19512503A DE19512503A DE19512503A1 DE 19512503 A1 DE19512503 A1 DE 19512503A1 DE 19512503 A DE19512503 A DE 19512503A DE 19512503 A DE19512503 A DE 19512503A DE 19512503 A1 DE19512503 A1 DE 19512503A1
- Authority
- DE
- Germany
- Prior art keywords
- signal
- values
- parameters
- pronounced
- loose part
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21C—NUCLEAR REACTORS
- G21C17/00—Monitoring; Testing ; Maintaining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/902—Application using ai with detail of the ai system
- Y10S706/911—Nonmedical diagnostics
- Y10S706/914—Process plant
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T137/00—Fluid handling
- Y10T137/8158—With indicator, register, recorder, alarm or inspection means
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T137/00—Fluid handling
- Y10T137/8158—With indicator, register, recorder, alarm or inspection means
- Y10T137/8225—Position or extent of motion indicator
- Y10T137/8242—Electrical
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- General Engineering & Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Description
Die Erfindung betrifft das automatische Unterscheiden nach
Klängen, welche charakteristisch sind für ein abgelöstes
Teil, das sich in dem Kühlkreislauf eines in Betrieb befind
lichen Druckwasser-Nuklearreaktors oder dergleichen bewegt,
und mehr im einzelnen ein System, welches eine neuronale
Netzanordnung umfaßt, die in Betrieb ist, um eine charakteri
stische Signatur zu erlernen, die ein abgelöstes Teil reprä
sentiert, und danach das Auftreten dieser Signatur im Hinter
grundgeräusch einer Betriebsanlage zu erkennen.
Es ist möglich, lose metallische Trümmerteile oder Schutt
(debris), die sich durch eine Rohrleitung eines Reaktorkühl
systems bewegen, zu ermitteln durch Abtasten des Klanges, den
der Schutt macht, wenn er an die Rohrleitungswände anstößt.
Im Laufe der Zeit kann loser Schutt Rohrleitungen erodieren
oder sich an Stellen ansammeln, die Betriebsprobleme verursa
chen. Wenn der Schutt Teilchen von Nuklearbrennstoff umfaßt,
können Ansammlungen lokalisierte Erwärmung und Strahlungs
emission verursachen. Selbst wenn der Schutt unschädliches
Metall ist, zum Beispiel eine abgelöste Stahlmutter oder
Schraube, besteht die Möglichkeit, daß der Schutt stecken
bleibt und den ordnungsgemäßen Betrieb eines mechanischen
Systems wie beispielsweise eines Ventils blockiert, oder er
könnte gegen ein freiliegendes Teil stoßen mit einer daraus
folgenden Beschädigung oder vielleicht der Ablösung von zu
sätzlichem Schutt. Die sehr mächtige Strömung von Kühlmitteln
durch das System neigt dazu, solchen Schutt mit beachtlichem
Moment mitzuführen, und es ist wünschenswert, das Vorhanden
sein von losem Schutt zu überwachen oder abzuhören, so daß
eine geeignete Korrekturmaßnahme getroffen werden kann.
Ein System zum Ermitteln von losem Schutt kann vorgesehen
werden, indem ein akustischer Sensor, ein Verstärker und ein
Schwellendetektor funktionell angeordnet werden, um die
Klänge zu überwachen, die durch Teile der Kühlmittelrohrlei
tungen emittiert werden, insbesondere an Winkeln in dem Strö
mungsfluß, wo das Moment von schwereren Metallschutteilen
dazu neigt, den Schutt gegen die Rohrwand oder gegen ein Hin
dernis zu schleudern. Solch ein System würde sich verlassen
auf eine vergrößerte Amplitude akustischer Emission irgendwo
in dem Frequenzansprechbereich des Sensors und des Verstär
kers und könnte also nicht unterscheiden zwischen Geräuschen
von losen Teilen und Betriebsgeräuschen wie beispielsweise
dem Hintergrundrauschen des Röhrensystems in normalem
Betrieb. Hintergrundgeräusche wie das Summen turbulenter
Ströme, Knister- oder Schnappgeräusche aufgrund der Verrüc
kung von Rohren relativ zu ihren Stützen bei Wärmeausdehnung
und ähnliche normale Geräusche können nicht leicht unter
schieden werden bei Verwendung solch eines Abtastsystems.
Es gibt bekannte Mittel zum Verbessern des Auflösungsvermö
gens (discrimination) von Schwellenermittlungssystemen. Zum
Beispiel kann die Schwelle, bei welcher der Detektor ausge
löst wird, so variiert werden, daß er Veränderungen im Hin
tergrundgeräusch widerspiegelt, das heißt Auslösen nur bei
Klängen, die lauter sind als der gegenwärtige durchschnittli
che Hintergrundpegel, um den Fall von irrtümlichem Auslösen
zu vermindern. Dies weist als abträgliche Wirkung die Redu
zierung der Wahrscheinlichkeit auf, daß das durch ein loses
Teil erzeugte Geräusch ermittelt wird.
Ein loses Teil in der Kühlmittelströmung kann Klänge erzeu
gen, die anders sind als scharfe Klänge, die durch direkte
Stöße erzeugt werden. Zum Beispiel kann ein loses Teil einen
Klang kleiner Amplitude erzeugen durch Entlangkratzen an
einem geraden Abschnitt des Rohres oder kann den Klang der
Kühlmittelströmung beeinflussen durch Veränderung des Quer
schnitts des Rohres bei einer Verengung. Natürlich spricht
ein Schwellenermittlungssystem wahrscheinlich nicht an auf
Klänge dieser Art mit kleiner Amplitude.
Die Erfindung hört den durch die Kühlmittelströmung emittier
ten Klang auf besondere Audiosignaturen (audio signatures)
ab. Die Signaturen können den Stoß loser Teile repräsentie
ren. Stöße weisen charakteristische Klingel- oder Einschwing
signaturen für besondere Arten und Größen von Teilen auf, die
im allgemeinen eine periodische Welle bei einer charakteri
stischen Frequenz oder charakteristischen Frequenzen definie
ren, bei Auftreten des Stoßes plötzlich in der Amplitude an
steigen und im wesentlichen exponentiell auf den Hintergrund
pegel abfallen. Kratztöne oder andere Formen von Stoß- oder
Reibungsgeräusch weisen auch Signaturen auf, die ausgeprägt
sind zum Beispiel aufgrund des Auftretens spezieller Signal
parameter über einen bestimmten Zeitabschnitt. Erfindungsge
mäß werden solche Signaturen empirisch erlernt, das heißt,
als Unterscheidungsparameter in einer Entscheidungsbaumanord
nung in einem neuronalen Netz gespeichert. Durch Abhören des
Auftretens dieser Unterscheidungsparameter auf laufende Art
während des Anlagenbetriebs ist es möglich, die Muster in dem
Hintergrundgeräusch genauer zu erkennen. Obwohl das Hinter
grundgeräusch in der Amplitude höher sein kann als die Signa
tur des losen Teiles und den gleichen Frequenzbereich oder
Teile davon umfassen kann, ist es unwahrscheinlich, daß das
Hintergrundgeräusch, welches im wesentlich zufällig ist, die
Unterscheidungseinrichtungen (discriminating means) des neu
ronalen Netzes auslöst.
Neuronale Netzanordnungen zur automatischen Mustererkennung
und dergleichen sind zum Beispiel offenbart in den US-Paten
ten 5,010,512 - Hartstein et al., 5,095,443 - Watanabe und
5,103,496 - Andes et al., welche hierdurch in ihrer Gesamt
heit einbezogen werden. Eine Anordnung von Knoten (node) oder
Neuronenzellen ist in aufeinanderfolgenden Niveaus so unter
einander verbunden, daß jeder Knoten in einem gegebenen Ni
veau mit sämtlichen Knoten in dem vorherigen Niveau gekoppelt
ist. Die jeweiligen Neuronen wenden mathematische Funktionen
bei den Eingangssignalen von dem vorhergehenden Niveau an,
und jedes erzeugt ein Ausgangssignal als Funktion der gewich
teten Summe der Eingangssignale zu diesem Neuron. Die Aus
gangssignale werden zu den Eingangssignalen für die Neuronen
des nächsten Niveaus, und nach einer Anzahl von Niveaus wird
wenigstens ein Ausgangssignal erzeugt, das die Wahrschein
lichkeit wiedergibt, daß der ursprüngliche Eingabewert das
Muster repräsentiert, welches das neuronale Netz erkennen
soll. Die mathematischen Funktionen bei den Neuronen können
so einfach sein wie eine gewichtete Summe der Eingangssignale
(wobei ein Wichtungsfaktor für jedes Eingangssignal zu dem
Neuron gespeichert wird) oder können komplexer sein. Während
eines Lernzyklus werden die Faktoren für die jeweiligen Ein
gangssignale nach oben oder unten angeglichen, um den Fehler
des Endergebnisses zu minimieren, womit das Muster erlernt
wird, welches das Netzwerk erkennen soll.
Eingangssignale zu dem neuronalen Netz können die Amplitude
aufeinanderfolgende Abfragewerte über die Zeit, Frequenzin
formation über einen Frequenzbereich oder einen gewählten
Kamm von Frequenzen, die Dauer von Amplituden und/oder Fre
quenzvorkommnissen und dergleichen wiedergeben. Das neuronale
Netz kann in Hardware verwirklicht werden, zum Beispiel gemäß
den oben erwähnten Patenten, oder kann unter Verwendung von
Software implementiert werden.
Das neuronale Netz speichert Wichtungsfaktoren auf eine dem
Finitimpulsantwort-Filter ähnliche Art, umfaßt aber auch eine
Anordnung einer Mehrzahl von Neuronen auf jedem Niveau. Mit
der Verarbeitung aufeinanderfolgender Abfragewerte bewegt
sich die Abfragewertinformation durch die Niveaus. Die Wich
tungsfaktoren neigen dazu, diejenigen Aspekte des Signals
hervorzuheben, die dem erlernten Muster ähneln. Andere
Aspekte, die nicht dem erlernten Muster ähneln, werden abge
schwächt (de-emphasized), insbesondere bei dem Fortschreiten
durch die Neuronenniveaus. Angenommen, das Ergebnis des ge
samten neuronalen Netzes ist eine numerische Korrelation oder
ein Bewertungsfaktor, dann variiert das Ergebnis nur wenig,
bis die charakteristischen Signalaspekte in dem Eingabedatum
erscheinen, schlägt dann weit aus, um das Auftreten der
Signaturaspekte anzuzeigen, womit das Signal viel leichter
ermittelbar gemacht wird als in einem Schwellensystem, das
sich nicht auf eine Parameterwichtung und Wechselbeziehung
verläßt. Der Ausgangssignalausschlag kann mit einer Schwelle
verglichen werden mit zuverlässigeren Ergebnissen, die zum
Erzeugen eines Alarms verwendet werden oder auf andere Weise
verarbeitet werden.
Ein Ziel der Erfindung besteht darin, genau nach einem cha
rakteristischen Klangmuster inmitten von Hintergrundgeräusch
zu unterscheiden (discriminate).
In Anbetracht dieses Zieles liegt die Erfindung in einer
Diagnosevorrichtung zum Ermitteln eines losen Teiles, das
sich in einem Rohr bewegt, welches ein strömendes Material
führt, gekennzeichnet durch: einen akustischen Abtaster, der
betriebsfähig ist zum Erzeugen eines elektrischen Signals in
Reaktion auf Schwingung des Rohres, umfassend durch das lose
Teil verursachte Schwingung und Hintergrundvibration, ferner
eine Signalverarbeitungseinrichtung, die mit dem elektrischen
Signal des akustischen Abtasters gekoppelt ist, wobei die
Signalverarbeitungseinrichtung operiert, um eine Mehrzahl von
Werten zu kodieren, die ausgeprägte Parameter des elektri
schen Signals auf laufende Art wiedergeben, und wobei die
Signalverarbeitungseinrichtung eine Mehrzahl diskreter Para
meter liefert, ein neuronales Netz mit einer Mehrzahl von
Neuronenzellen, von denen jede wenigstens einen Wichtungsfak
tor definiert, wobei die Neuronenzellen Eingangssignale auf
weisen, die mit den Werten der ausgeprägten Parameter gekop
pelt sind, und operieren, um die Werte der ausgeprägten Para
meter zu wichten und damit ein Neuronenzellen-Ausgangssignal
zu erzeugen, und wenigstens eine Summierzelle, die eine Summe
eines Produktes der Wichtungsfaktoren und der Werte von jeder
der Neuronenzellen erzeugt, und wobei die Wichtungsfaktoren
wenigstens eine Kombination der ausgeprägten Parameter, die
eine Signatur des losen Teiles definieren, vervollständigen
(complement), wodurch bei Passieren des losen Teiles die Sum
mierzelle ein Ausgangssignal erzeugt, das wesentlich ausge
lenkt ist von einem Pegel, der von dem Hintergrundgeräusch
herrührt.
Ein Ausführungsbeispiel der Erfindung wird im folgenden an
hand der Zeichnung beschrieben. In der Zeichnung zeigen
Fig. 1 ein schematisches Blockdiagramm der gruppierten
Elemente des Diagnosesystems, das auf erlernte
Audiosignaturen gemäß der Erfindung anspricht;
Fig. 2 ein schematisches Blockschaltbild der Funktions
blöcke der Erfindung zum Erlernen einer Audiosigna
tur und zum späteren Finden der Audiosignatur in
einem Geräuschsignal;
Fig. 3 ein Blockdiagramm der neuronalen Anordnung von Ver
arbeitungsblöcken gemäß der Erfindung;
Fig. 4 ein Diagramm der Amplitude als Funktion der Zeit,
das eine beispielhafte Audiosignatur zeigt;
Fig. 5 ein Diagramm der Amplitude als Funktion der Zeit,
das die Digitalisierung einer idealisierten Audio
signatur gemäß Fig. 4 zeigt;
Fig. 6 und 7 Diagramme der RMS-Amplitude als Funktion der
Frequenz, welche ausgeprägte Parameter für zwei un
terschiedliche Arten loser Teile zeigen;
Fig. 8 ein schematisches Bild einer Einrichtung, durch die
eine Audiosignatur erlernt wird; und
Fig. 9 eine schematische Darstellung der Funktion einer
einzelnen Neuronenzelle.
Wie in Fig. 1 gezeigt, ist eine Diagnosevorrichtung 20 vor
gesehen zum Ermitteln eines losen Teiles 22, das sich in
einer Rohrleitung 32 bewegt, welche ein strömendes Material
führt, insbesondere einen primären Kühlmittelkreislauf eines
Druckwasser-Nuklearrektors. Das lose Teil 22, welches ein
Bolzen oder dergleichen sein könnte, geht zusammen mit der
Kühlflüssigkeit durch die Rohrleitung 32 hindurch und kann
Schaden an der Rohrleitung 32 oder ein Verstopfen beweglicher
Teile verursachen. Bei der Bewegung durch die Rohrleitung 32
stößt das lose Teil 22 an Seitenwände 34 der Leitung, zum
Beispiel an Biegungen 36 in der Leitung, wie gezeigt, was ein
Geräusch macht, das für den Typ des betroffenen losen Teiles
charakteristisch ist.
Ein akustischer Abtaster 42 ist angeordnet, um Schwingung
(Vibration) der Rohrleitung 32 abzutasten, und erzeugt ein
elektrisches Signal in Reaktion auf Schwingung der Leitungs
seitenwand 34. Die abgetastete Schwingung umfaßt die durch
das lose Teil 22 verursachte Schwingung sowie Hintergrundvi
bration. Der akustische Abtaster 42 kann ein einfaches Mikro
fon sein, das operiert, um Vibration bei Hörfrequenzen abzu
tasten, und das in Kontakt mit der Seitenwand 34 angebracht
ist. Alternativ oder zusätzlich können Frequenzen außerhalb
des Hörbereichs abgetastet werden.
Das Signal, das durch ein an die Leitung anstoßendes loses
Teil 22 erzeugt wird, rührt teilweise her vom Klingeln
(ringing) der Leitung 32 und teilweise vom Klingeln des Tei
les 22. Das durch den akustischen Abtaster 42 erzeugte Signal
weist eine charakteristische Struktur oder Signatur auf, die
verschieden ist für lose Teile unterschiedlicher Arten. Die
Masse, Abmessungen und Stoßenergie (Trägheit) des losen Tei
les 22 beeinflussen den durch einen Stoß erzeugten Klang und
können gemäß der Erfindung unterschieden werden. Natürlich
ist der Klang auch unterschiedlich für Stöße, die an ver
schiedenen Punkten entlang der Leitung 32 auftreten, was also
die Fähigkeit erfordert, den Klang des Stoßes eines losen
Teiles nahe dem Punkt zu unterscheiden, wo der Sensor 42 an
gebracht ist.
Signalverarbeitungseinrichtungen, die einen Verstärker 44 und
eine Signalaufbereitungseinrichtung 46 umfassen, sind mit dem
elektroakustischen Abtaster 42 gekoppelt. Die Signalverarbei
tungseinrichtungen kodieren das Signal bezüglich einer Mehr
zahl ausgeprägter Parameter des elektrischen Signals und er
zeugen einen Wert für jeden solchen Parameter. Wie allgemein
in Fig. 1 gezeigt, kann eine geeignete Signalverarbeitungs
einrichtung eine Mehrzahl diskreter Ausgänge 52 umfassen, an
denen die Parameterwerte des Signals konstant oder durch
Abfragen auf laufende Art präsentiert werden. Die diskreten
Ausgänge 52 sind mit einem neuronalen Netz 60 gekoppelt, das
betriebsbereit ist, auf einen oder mehrere vorbestimmte Para
meter in den Parameterwerten anzusprechen und dadurch nach
den Audiosignaturen einer oder mehrerer Arten loser Teile 22
zu unterscheiden. Ausgänge 62 des neuronalen Netzes 60 sind
mit einer Displayeinrichtung 64 und vorzugsweise mit einer
Alarmeinrichtung 66 gekoppelt, um den Bediener aufmerksam zu
machen, falls ein loses Teil 22 ermittelt wird. Das Lose-
Teile-Ermittlungssystem kann vorgesehen werden als ein Ele
ment eines integrierten Diagnosesystems, in welchem die Er
mittlung loser Teile einer von vielen Betriebsaspekten der
überwachten Anlage ist.
Wie allgemein in Fig. 2 und mehr im einzelnen in Fig. 3 ge
zeigt, werden die dem neuronalen Netz 60 eingegebenen Daten
werte auf Wichtungsfaktoren 70 angewendet, um ein Ausgangssi
gnal 62 zu erzeugen, das die Wahrscheinlichkeit dafür wider
spiegelt, daß ein ermittelter Klang ein loses Teil 22 der Art
repräsentiert, auf deren Abtastung das System 20 eingerichtet
ist. Wie durch den Entscheidungsblock 72 in Fig. 2 gezeigt,
kann das Ausgangssignal 62 verglichen werden mit einem vorbe
stimmten Einstellpunkt zum Aktivieren des Displays 64 und/
oder des Alarms 66. Dieser Vergleich kann eine analoge Funk
tion oder eine numerische (digitale) Funktion sein. Der vor
bestimmte Einstellpunkt kann auch mit Bedingungen variabel
gemacht werden, zum Beispiel zum Ausgleichen von Veränderun
gen in dem Pegel von Hintergrundgeräusch.
Die Wichtungsfaktoren 70 für besondere Arten loser Teile de
finieren das charakteristische akustische Signal dieser
Teile. Die Wichtungsfaktoren 70 können gewählt werden durch
Analysieren des akustischen Signals, das durch spezielle
Teile in empirischen Versuchen erzeugt wird, wie in Fig. 2
durch den Block 74 gezeigt. Vorzugsweise ist das Ermittlungs
system 20 für lose Teile umschaltbar auf einen Lernmodus, in
welchem die Kennzeichen des Audiosignals über eine Anzahl von
Musterstößen abgehört werden und die Parameter gemittelt,
korreliert und hinsichtlich der Standardabweichung bewertet
werden, um einen Satz von Wichtungsfaktoren auszuwählen, die
mit hoher Wahrscheinlichkeit das durch Stoß eines losen Tei
les 22 erzeugte Signal repräsentieren. Nach dem Bestimmen der
Wichtungsfaktoren 70 werden die Parameterwerte des elektri
schen Signals von dem akustischen Abtaster 42 auf die Wich
tungsfaktoren 70 angewendet. Während des Auftretens von Hin
tergrundgeräusch variiert das Ausgangssignal des neuronalen
Netzes zufällig mit dem Geräusch und hält allgemein einen
niedrigen Pegel ein. Während des Auftretens eines loses Tei
les korrelieren jedoch die Wichtungsfaktoren 70 und die Si
gnalparameter. Das Ausgangssignal 62 des neuronalen Netzes 60
erfährt einen weiten Ausschlag, wobei es den vorbestimmten
Einstellpunkt überschreitet und die Schwellenermittlungsein
richtung 72 betätigt.
Wie in Fig. 3 gezeigt, kann das Analogsignal 82 von dem aku
stischen Abtaster 42, vorzugsweise verstärkt und aufbereitet,
über einen Analog-Digital-Wandler 84 abgefragt und digitali
siert werden, derart, daß ein kodierter Aspekt des Signals
die Amplitude des Signals 82 über eine Mehrzahl aufeinander
folgender Abfragewerte ist. Die Abfragewerte können ebenso
über einen numerischen Prozessor 86 verarbeitet werden, indem
sie zum Beispiel kodiert werden hinsichtlich der Amplitude
des Signals in besonderen Frequenzbändern, zum Beispiel unter
Verwendung eines Schnell-Fouriertransformations-(fast fourier
transform)-Prozessors, der an einer Mehrzahl von Abfragewer
ten operiert. Alternativ kann eine Reihe von Kammfiltern
(nicht gezeigt) dazu verwendet werden, die Energie des Si
gnals in verschiedenen Frequenzbändern selektiv zu kodieren.
Zusätzlich zu Parameterwerten, die Amplitude und Frequenz be
rücksichtigen, können andere Parameterwerte erzeugt werden.
Zum Beispiel können individuelle Parameterwerte differen
ziert, integriert oder auf andere Weise verarbeitet werden
über eine vorbestimmte Zeitspanne (zum Beispiel eine oder
mehrere Abtastperioden). Summe, Differenz, Produkt oder der
gleichen von zwei oder mehr besonderen Parameterwerten können
kalkuliert und als ein verarbeiteter Parameterwert verwendet
werden. Diese Werte werden als diskrete Eingabewerte dem neu
ronalen Netz 60 eingegeben.
In dem in Fig. 3 gezeigten Beispiel liefern die Abtastwert
amplituden und -frequenzen eine Mehrzahl von Datenwerten, die
als Eingabewerte mit dem neuronalen Netz 60 gekoppelt sind.
Das Netz oder Netzwerk 60 ist als "neuronal (neural)" be
schrieben aufgrund seiner hierarchischen Anordnung von Neuro
nenzellen 92 in Gruppen oder Niveaus (banks) 94. Jede Zelle
92 definiert wenigstens eine Operation, die einen Wichtungs
faktor 70 umfaßt, der in einer mathematischen und/oder logi
schen Operation angewendet wird auf Werte, die mit einem oder
mehreren der Eingänge der jeweiligen Zelle 92 gekoppelt sind.
Zum Beispiel werden die Werte der Eingaben bei jeder Neuro
nenzelle 42 mit entsprechenden Wichtungsfaktoren multipli
ziert, und die Produkte einer solchen Multiplikation werden
summiert, um ein Neuronenzellen-Ausgangssignal zu erzeugen,
das einen Wert bildet, der als ein Eingabewert mit einer
nächsten Gruppe 94 von Neuronenzellen 92 gekoppelt wird. Das
neuronale Netz bräuchte nur eine Gruppe aufzuweisen, deren
Ausgangssignale in einer Endgruppe 99 summiert werden. Vor
zugsweise sind jedoch mehrere Gruppen nacheinander gekoppelt.
Die Neuronenzellen-Ausgangswerte für eine gegebene Gruppe 94
von Zellen 92 bilden Eingangswerte für eine nächste Gruppe 94
von Zellen 92. Die Zellen 92 dieser nächsten Bahn 94 weisen
auch gespeicherte Wichtungsfaktoren 70 auf, die auf ihre je
weiligen Eingangswerte anwendbar sind. Schließlich werden die
Ergebnisse, die durch eine letzte Gruppe 99 von einer oder
mehreren Neuronenzellen 92 erzeugt werden, summiert, um als
das Ausgangssignal 62 des neuronalen Netzes 60 die Summe
eines endgültigen Produktes der Wichtungsfaktoren und der
Werte von jeder der Neuronenzellen zu erzeugen. Das Ausgangs
signal spiegelt auf diese Weise die Korrelation der Eingabe
parameter mit allen proportionalen Wichtungen und/oder logi
schen oder numerischen Funktionen wider, welche definiert
sind durch die Kopplungen, die von den Parameterwerten 52 zu
dem letzten Ausgangswert des neuronalen Netzes 60 führen.
Ein Beispiel für eine mögliche Kopplung von Neuronenzellen 92
in Rängen ist in Fig. 3 gezeigt. In der Zeichnung sind die
gleichen Bezugszeichen verwendet zur Angabe der gleichen
Funktionselemente der jeweiligen Ausführungsformen. Wie in
den Fig. 1 und 3 gezeigt, wird das analoge Signal 82 von
dem akustischen Abtaster 42 digitalisiert, wie in Fig. 3 ge
zeigt, und an ein Schieberegister 101 angelegt, das synchron
mit dem Abtasten über den Analog-Digital-Wandler 84 verscho
ben wird, womit Ausgangsdaten geliefert werden für eine Mehr
zahl diskreter Werte 52 an Abfragewertlinien S1 bis S4. Eine
große Zahl von Abtastwerten kann gespeichert werden, wobei
nur vier Abtastlinien gezeigt sind, um die Zeichnung zu ver
einfachen. Mit dem Abtastwert-Schieberegister 101 ist ein zu
sätzliches Verarbeitungselement 86 gekoppelt zur Erzeugung
weiterer Parameterwerte auf der Grundlage numerischer Opera
tionen, wobei zum Zweck der Erläuterung ein Schnell-Fourier
transformations-Element gezeigt ist, das verarbeitete Parame
terwerte F1 bis F4 erzeugt, welche auch als diskrete Werte 52
verwendet werden, die Attribute des Analogsignals 82 reprä
sentieren.
Die Parameterwerte 52 werden an eine erste Gruppe 94 von Neu
ronenzellen 92 angelegt, und die Ausgangssignale der Zellen
in dieser ersten Gruppe werden an eine nachfolgende Gruppe 94
angelegt. Die Kopplungen zwischen jeder der Gruppen 94 weisen
zugeordnete Gewichte 70 für jede Verbindung auf. In der ge
zeigten Ausführungsform sind Kopplungen auf dem ersten Niveau
von Verbindungen zwischen sämtlichen Amplitudenwerten 52 und
einer Untergruppe (subset) der Neuronenzellen 92 in der An
fangsgruppe 94 vorgesehen, wodurch die Ausgangssignale dieser
Neuronenzellen 92 auf der gewichteten Summe von Werten 52 in
beliebigen Kombinationen gegründet werden können. Die Wich
tungsfaktoren 70 können positiv oder negativ sein für einen
Parameter, der positiv bzw. negativ mit dem Auftreten eines
losen-Teile-Stoßes korreliert. Soweit festgestellt wird, daß
ein Parameter nicht in Beziehung steht zu dem durch ein loses
Teil 22 einer besonderen Art erzeugten Signal, kann der an
wendbare Wichtungsfaktor Null sein. Ein Null-Wichtungsfaktor
ist funktionell das gleiche wie eine Anordnung, in welcher
keine Verbindung zwischen einer oder mehreren Zellen 92 in
den nachfolgenden Gruppen 94 vorgesehen ist. In diesem Fall,
und wie zum Beispiel durch die Verbindungen zwischen den Neu
ronenzellen 92 in den Gruppen 94 gezeigt, die mit den Parame
terwerten F1 bis F4 gekoppelt sind, hängen die Ausgangssi
gnale bestimmter Neuronenzellen 92 nur mit bestimmten Parame
terwerten 52 zusammen.
Die jeweiligen gekoppelten Gruppen 94 von Neuronenzellen 92
und die gewichteten Faktoren, welche die Stärke und Polarität
von Kopplungen zwischen den Zellen 92 definieren, definieren
Beziehungen oder Korrelationen logischer (das heißt Boole
scher) sowie proportionaler Natur. Es ist nicht absolut er
forderlich, daß sämtliche Beziehungen Verbindungen zwischen
aufeinanderfolgenden Gruppen 94 umfassen. Zum Beispiel kann,
wie durch die Neuronenzelle 102 gezeigt, das Ausgangssignal
die gewichtete Summe der Ausgangssignale von Zellen auf der
darauffolgenden Gruppe und der nächstvorhergehenden Gruppe
sein (das heißt, überspringen einer der Gruppen mit wenig
stens einer Verbindung).
Die Operation der Neuronenzellen 92 kann gleichzeitig mit der
Präsentation von Daten an den Linien S1 bis S4 und F1 bis F4
erfolgen, wenigstens nach einer Ausbreitungsverzögerung, um
zuzulassen, daß das Ausgangssignal zur Ruhe kommt, während
die Ergebnisse der gewichteten Summen bei vorherigen Gruppen
sich wellenartig durch das neuronale Netz 60 fortbewegen. Al
ternativ können die Gruppen 94 synchron mit dem Abtasten ope
rieren. In diesem Fall werden die Ausgangssignale jeder
Gruppe 94 auf den Eingangssignalen zu dieser Gruppe von der
vorherigen Abtastperiode gegründet. Obwohl das Ausgangssignal
62 des neuronalen Netzes 60 dadurch verzögert wird im Ver
gleich zu den gegenwärtigen Parameterwerten um eine Zeit
spanne, die gleich dem Produkt der Abtastperiode und der An
zahl der aufeinanderfolgenden Gruppen 94 ist, weist eine sol
che Anordnung den Vorteil auf, daß die diskreten Werte verg
lichen oder über die Zeit korreliert werden können, wobei
Gruppen über Springverbindungen wie zum Beispiel bei der Neu
ronenzelle 102 verwendet werden. Das Ausgangssignal 60 kann
also gegründet werden auf den Eingaben von Werten aus der ge
genwärtigen Abtastperiode und aus vorherigen Abtastperioden.
In dem neuronalen Netz 60 sind also Verbindungen möglich, die
so arbeiten, daß sie Ausgangssignale von Neuronenzellen vor
wärts oder rückwärts relativ zu den Abtastperioden zuführen.
Diese Fähigkeit ist vorgesehen zusätzlich zu der Korrelation
von Daten in aufeinanderfolgenden Abfragewerten, die in der
ursprünglichen Gruppe 94 möglich ist aufgrund des Vorrückens
von Daten in dem Schieberegister 101, und ist nützlich zum
Bewerten des Andauerns eines gegebenen Attributs des Signals
oder der Beziehung von Tributen.
Die Wichtungsfaktoren 70 vervollständigen (complement) wenig
stens eine Kombination der ausgeprägten Parameter 52, die für
die Audiosignatur des losen Teiles 22 einzigartig ist, und
können Faktoren umfassen, die mehr als eine Art von losen
Teilen 22 repräsentieren. Bei Durchgang des losen Teiles oder
der Teile 22 wird das Ausgangssignal des letzten Neurons 92
oder der letzten Gruppe 94 wesentlich ausgelenkt von dem Pe
gel, den das Ausgangssignal bei Hintergrundgeräusch und/oder
während Schwingungen annimmt, welche Stöße von losen Teilen
bewirkt werden, die nicht übereinstimmen mit dem Profil oder
der Signatur, die in die Wichtungsfaktoren 70 eingebaut ist.
Die Arbeitsweise der Erfindung wird verständlich anhand der
Fig. 4 bis 7, welche Diagramme von Wellenformen zeigen. Im
einfachsten Fall kann das neuronale Netz 60 eine für den Stoß
eines losen Teiles 22 charakteristische Amplitudenwellenform
ermitteln, die, mit Fig. 3 verglichen, so einfach sein
könnte wie ein aus einer Gruppe bestehender Satz von Wich
tungszellen oder Neuronen 92, die mit einem Schieberegister
101 gekoppelt sind. Angenommen, die Wellenform von Fig. 4
ist das durch einen Stoß erzeugte Signal, dann könnten die in
den Neuronenzellen gespeicherten Wichtungsfaktoren 70 das
charakteristische Signal vervollständigen, wie gezeigt durch
die digitalisierte Wellenformsignatur 112, die in Fig. 5 ge
zeigt ist. Das ermittelte Signal von Fig. 4 wird abgetastet
und durch das Schieberegister 101 verschoben, und es wird be
arbeitet durch Wichtungsfaktoren, die dem in Fig. 5 gezeig
ten gespeicherten Muster 112 entsprechen. Wenn die Abfrage
werte dahin verschoben werden, wo sie ausgerichtet werden auf
die Wichtungsfaktoren, welche zu der charakteristischen Si
gnatur 112 komplementär sind, tritt ein wesentlicher Aus
schlag in dem Ausgangssignal 62 des Neuronennetzes 60 auf im
Vergleich zu dem Ausgangssignal 62, falls die charakteristi
sche Signatur 112 nicht in den Abfragewerten vorhanden ist,
oder wenn die entsprechenden Abfragewerte und Gewichte nicht
ausgerichtet sind.
Ähnlich können, wie in den Fig. 6 und 7 gezeigt, die Wich
tungsfaktoren 70 gegründet werden auf eine numerische Vor
schrift (construct), die durch mathematische Operationen an
den durch den akustischen Abtaster 42 gesammelten Daten er
zeugt wird. In dem gezeigten Beispiel sind die Daten die ef
fektive (RMS)-Amplitude als Funktion der Frequenz über einen
gewählten Frequenzbereich. Die Signatur des in Fig. 6 darge
stellten Stoßes weist eine Spitze bei der Frequenz fA1 und
ein Tal bei der Frequenz fA2 auf. Unter Verwendung von Neuro
nenzellen-Wichtungsfaktoren 70, die diese Beziehung begünsti
gen und andere Beziehungen benachteiligen, wird die Signatur
durch die Operation des neuronalen Netzes 60 in dem Ausgangs
signal 62 hervorgehoben.
Eine unterschiedliche Signatur eines losen Teiles, wie in
Fig. 7 gezeigt, weist eine Spitze bei der Frequenz fB auf.
Wenn solch ein Signal bei den Wichtungsfaktoren angewendet
wird, welche die Signatur von Fig. 6 repräsentieren, würde
das Signal von Fig. 7 keinen großen Ausschlag in dem Aus
gangssignal 62 erzeugen. Um mehr als eine Stoßsignatur loser
Teile aufzunehmen, können Untergruppen der Neuronenzellen ge
speichert werden mit Wichtungsfaktoren zum gleichzeitigen
Prüfen von zwei oder mehr unterschiedlichen Signaturen.
Die Wichtungsfaktoren 70 können bestimmt werden durch Analy
sieren der Attribute von Signalen, die während bekannter
Stöße eines losen Teiles eines gegebenen Typs erzeugt werden,
und durch Definieren von Faktoren, welche die Signatur wie
dergeben. Die Faktoren werden in das neuronale Netz 60 gela
den, welches danach auf ein loses Teil dieses Typs anspricht.
Vorzugsweise wird das System so angeordnet, daß es das Analy
sieren des Signals und das Definieren der Faktoren während
empirischer Versuche unterstützt. Wie in Fig. 8 gezeigt,
werden dadurch aus der Erfahrung Wichtungsfaktoren erlernt,
die charakteristisch sind für die Stoßsignatur des losen Tei
les. Durch Betätigen des akustischen Abtasters 42 und der Si
gnalverarbeitungseinrichtung 44, 84 während bekannter Stöße
des losen Teiles 22 können die Wichtungsfaktoren aus beobach
teten Werten der ausgeprägten Parameter gesammelt werden. Die
Wichtungsfaktoren können entwickelt werden durch Mitteln der
Datenwerte und Prüfen auf Wiederholbarkeit von Beziehungen
zwischen den Datenwerten. Vorzugsweise wird ein solches empi
risches Prüfen ausgeführt, wenn das Hintergrundgeräusch bei
einem Minimum liegt. Jedoch können die Wichtungsfaktoren
selbst bei der Anwesenheit von Hintergrundrauschen entwickelt
werden, vorausgesetzt, daß die Lernfunktion bei Auftreten
eines Stoßes ausgelöst werden kann und eine ausreichende Zahl
von Versuchsstößen unternommen wird, um statistisch signifi
kante Daten zu entwickeln.
In Fig. 8 ist der akustische Abtaster oder Sensor 42 mit der
Rohrleitung 32 gekoppelt, und das analoge Signal 82 wird ver
stärkt und an den Analog-Digital-Wandler 84 angelegt. Der
A/D-Wandler 84 tastet das Signal 82 ab mit einer Geschwindig
keit, die durch ein Signal von einem Taktgeber 122 definiert
ist. Der A/D-Wandler 84 kann ausgelöst werden, um eine vorbe
stimmte Anzahl von Abtastwerten nach dem Auslösen zu kodie
ren, gezählt unter Verwendung eines Zählers 124, der freige
geben wird auf ein Auslösesignal von einer Auslösereinrich
tung wie beispielsweise einem Schalter 128. Anstelle eines
Schalters ist es möglich, den Zähler 124 auszulösen unter
Verwendung eines Lichtquellen-Fotozellenpaares (nicht ge
zeigt), das auf die Unterbrechung eines Strahles durch das
lose Teil 22 anspricht, oder den Zähler 124 auszulösen, wenn
die Amplitude des Signals ein vorbestimmtes Minimum über
steigt, (das bei Beginn eines Stoßes auftritt).
Die Abtastdaten werden verarbeitet nach Amplitude, Frequenz,
Differential- oder Integralwerte, Summe, Differenz, Produkt,
usw . . Die Datenwerte werden dann in dem neuronalen Netz ge
speichert als ein vorgeschlagener Satz von Wichtungsfaktoren,
die den während des Stoßes erzeugten Signal entsprechen. Der
Versuch wird dann wiederholt, und die während aufeinanderfol
gender Versuche erhaltenen Ergebnisse werden dazu verwendet,
die Wichtungsfaktoren derart zu korrigieren, daß sie die cha
rakteristische Signatur des losen Teiles 22 besser approxi
mieren. Zum Beispiel können die Zellen 92 in jeder Gruppe
versehen sein mit gewichteten Verbindungen zu allen diskreten
Werten 52 der Abtastwerte (und/oder numerischer Vorgabe
werte). Die Anzahl von Zellen 92 in einer Gruppe 94 ist aus
reichend, um einen kompletten Satz unterschiedlicher mathema
tischer und/oder logischer Funktionen zu umfassen, oder was
eine Korrelation zwischen den diskreten Werten 52 repräsen
tieren könnte. Der Mittelwert jedes Wichtungsfaktors für jede
Zellenverbindung wird für aufeinanderfolgende Abtastperioden
nach dem Auslösen eines Lernzyklus akkumuliert. Die Stan
dardabweichung der Werte während des anschließenden Versuchs
kann berechnet werden. Für die Zellen, bei denen die Wich
tungsfaktoren 70 eine hohe positive oder negative Korrelation
zeigen, werden die Absolutwerte der entsprechenden Wichtungs
faktoren 70 erhöht, um diesen Aspekt der Signatur hervorzuhe
ben. Wenn die Korrelation schlecht ist (zum Beispiel wie
durch eine hohe Standardabweichung gezeigt), werden die ent
sprechenden Wichtungsfaktoren 70 in ihrem Absolutwert vermin
dert. Bei aufeinanderfolgenden Versuchen pendeln (home in)
sich die Wichtungsfaktoren ein auf die Werte, welche das
durch das lose Teil 22 erzeugte Signal am nächsten repräsen
tieren.
Die Beziehungen zwischen den Werten bei jeder Neuronenzelle
92 können verarbeitet werden für die speziellen Abtastperi
oden, die auf die Einleitung eines Versuchs folgen. Auf diese
Weise können Veränderungen in dem Signal über die Zeit ko
diert werden. Wo eine Beziehung bestimmt wird (zum Beispiel
eine hohe Wahrscheinlichkeit für eine positive oder umge
kehrte Beziehung zwischen zwei Werten), wird die Beziehung in
den Wichtungsfaktoren 70 der Neuronenzellen gespeichert. Für
die anschließende Verwendung bei dem Abhören von Stößen ist
jedoch der Beginn eines Stoßes unklar. Nichtdestoweniger kön
nen Wichtungsfaktoren, die während der Lernphase der Opera
tion erzeugt und für die Neuronenzellen 92 gespeichert wer
den, auf Zeitvariationen hin überwachen, während die Abtast
werte entweder entlang dem Schieberegister 101 oder durch die
aufeinanderfolgenden Gruppen 94 der Neuronenzellen 92 ver
schoben werden. Also sind nach dem Entwickeln eines Satzes
von Wichtungsfaktoren 70 über aufeinanderfolgende Versuche
die Wichtungsfaktoren danach nützlich für die laufende Über
wachung des Signals von dem akustischen Abtaster 42 während
dem regulären Betrieb der Anlage.
Die normale Operation einer einzelnen Neuronenzelle 92 ist in
Fig. 9 gezeigt. Die Ausgangssignale von Neuronenzellen N₁
bis N₃ einer vorhergehenden Gruppe 94 von Neuronenzellen wer
den jeweils multipliziert mit einem jeweiligen gespeicherten
Wichtungsfaktor W₁ bis W₃. Die Produkte werden addiert bei
der Summenverknüpfung 132, um das Ausgangssignal dieser Neu
ronenzelle und ein Eingangssignal zu einer nächsten Gruppe 94
von Neuronenzellen oder zu der Schwellenermittlungseinrich
tung 72 zu bilden.
Wenn das Ausgangssignal des neuronalen Netzes 60 einen vorbe
stimmten Pegel übersteigt, zum Beispiel ermittelt über die
Schwellenermittlungseinrichtung 72, die mit einem Ausgang
einer letzten Summierzelle 132 des neuronalen Netzes gekop
pelt ist, wird ein Ausgangssignal erzeugt, welches den ermit
telten Durchgang eines losen Teiles 22 entsprechend der ge
speicherten Signatur angibt.
Die Erfindung ist dargestellt anhand besonderer Verbindungen
zwischen Neuronenzellen 92 in den aufeinanderfolgenden Grup
pen. Die dargestellten Verbindungen sind jedoch lediglich ex
emplarisch. Die Verbindungen zwischen Zellen 92 können mehr
oder weniger ausgedehnt sein, wobei jede Verbindung erhält
lich ist für einen Versuch für eine andere Kombination von
Datenwerten oder Ausgangswerten vorheriger Neuronenzellen.
Wenigstens eine Untergruppe der Neuronenzellen 92 auf jedem
Niveau 94 ist gekoppelt mit Neuronenzellen 92 auf anderen
Niveaus 94, wobei das Ausgangssignal der stromauf gelegenen
Untergruppe von Zellen 92 das Ausgangssignal der stromab ge
legenen Zelle 92 modifiziert. Das neuronale Netz 60 überprüft
dadurch die Eingangsdaten auf Korrelation mit einem gespei
cherten Muster, das durch die Neuronenzellen-Wichtungsfakto
ren 70 repräsentiert wird. In einer Grundkonfiguration sind
die Neuronenzellen 92 in regelmäßigen Niveaus angeordnet, die
einer Richtung voranschreiten, von den mit den ausgeprägten
Parameterdaten 52 gekoppelten Eingangssignalen bis zu einer
endgültigen Summierzelle an dem Ausgang 62 des neuronalen
Netzes. Ausgänge von wenigstens einigen der Neuronen 52 auf
einem höheren Niveau 94 können auch als Eingänge mit Neuronen
92 auf einem niedrigeren Niveau gekoppelt sein.
Die ausgeprägten Parameter des elektrischen Signals, welche
die Grundlage der Eingangswerte zu dem neuronalen Netz bil
den, umfassen wenigstens eine Untergruppe von Variablen, die
aus der Gruppe ausgewählt sind, welche besteht aus Signalam
plitude, Signalamplitude über wenigstens einen diskreten
Frequenzbereich, Dauer der Signalamplitude über die Zeit,
Konzentration von Energie in wenigstens einem diskreten
Frequenzbereich, Integration der Signalamplitude, Differen
tiation der Signalamplitude, Summe und/oder Differenzfunktio
nen, logische Funktionen und gleichzeitiges Auftreten von
vorbestimmten Zuständen in zwei oder mehr dieser Variablen.
Die Erfindung betrifft das Verfahren sowie die Vorrichtung
zum Ermitteln des Durchgangs eines losen Teiles 22, welches
sich in einer Strömungsmaterial führenden Rohrleitung 32 be
wegt, insbesondere der primären Kühlleitung eines Druckwas
ser-Nuklearreaktors. Dementsprechend umfaßt das Verfahren das
Erfassen eines akustischen Signals aus einer Schwingung der
Leitung 32, die durch das lose Teil 22 und durch Hintergrund
schwingung verursacht wird, und das Verarbeiten des akusti
schen Signals, um eine Mehrzahl von Werten zu kodieren, die
ausgeprägte Parameter des akustischen Signals repräsentieren,
wobei die Verarbeitung das Bestimmen von Pegeln der ausge
prägten Parameter für wenigstens eine Untergruppe der oben
beschriebenen Variablen einschließt. Die Pegel der ausgepräg
ten Parameter werden bearbeitet unter Verwendung von Wich
tungsfaktoren 70, die charakteristische Schwingungsaspekte
des losen Teiles wiedergeben. Die Wichtung definiert vorzugs
weise Beziehungen zwischen den Parametern in aufeinanderfol
genden Niveaus, das heißt, Sätze von relativ höheren und re
lativ niedrigeren Niveaus von wenigstens zwei der ausgepräg
ten Parameter definieren ein für die Schwingung des losen
Teiles 22 charakteristisches Muster. Die gewichteten Niveaus
und die gewichteten Beziehungen tragen bei zu einer Summe,
und das Resultat wird mit einer Schwelle verglichen, um auf
den Durchgang des losen Teiles 22 hin zu unterscheiden. Wäh
rend die Faktoren zum Wichten der Werte und die Beziehungen
so gewählt werden, daß sie ein für das lose Teil 22 charakte
ristisches akustisches Signalmuster vervollständigen, hebt
das Verfahren das Auftreten eines für das lose Teil charakte
ristischen Signals hervor, selbst über wesentlichem Hinter
grundgeräusch, wie es für Anlagenbetrieb typisch ist. Die
Wichtungsfaktoren 70 werden vorzugsweise erhalten durch Ler
nen der Faktoren während empirischer Untersuchung, das heißt,
indem die Faktoren zum Wichten der Werte und die Beziehungen
automatisch oder manuell gesammelt werden, während bekannte
Stöße des losen Teiles 22 beobachtet werden.
Claims (12)
1. Diagnosevorrichtung (20) zum Ermitteln eines losen Tei
les (22), das sich in einem Rohr (32) bewegt, welches ein
strömendes Material führt, gekennzeichnet durch
einen akustischen Abtaster (42), der betriebsfähig ist zum Erzeugen eines elektrischen Signals (82) in Reaktion auf Schwingung des Rohres (32), umfassend durch das lose Teil (22) verursachte Schwingung und Hintergrundvibration,
eine Signalverarbeitungseinrichtung (44, 48, 84, 86), die mit dem elektrischen Signal (82) des akustischen Abtasters (82) gekoppelt ist und operiert, um eine Mehrzahl von Werten zu kodieren, die ausgeprägte Parameter des elektrischen Signals (82) auf laufende Art wiedergeben, wobei die Signalverarbei tungseinrichtung eine Mehrzahl diskreter Ausgangswerte (52) liefert, die ausgeprägte Parameter repräsentieren,
ein neuronales Netz (60) mit einer Mehrzahl von Neuronen zellen (92), von denen jede wenigstens einen Wichtungsfaktor (70) definiert, wobei die Neuronenzellen (92) Eingänge auf weisen, die mit den Werten (52) der ausgeprägten Parameter gekoppelt sind, und operieren, um die Werte (52) der ausge prägten Parameter zu wichten und damit ein Neuronenzellen- Ausgangssignal zu erzeugen,
und wenigstens eine Summierzelle (132), die eine Summe eines Produktes der Wichtungsfaktoren (70) und der Werte (52) von jeder der Neuronenzellen (92) erzeugt, und wobei die Wichtungsfaktoren (70) wenigstens eine Kombination der ausge prägten Parameter, die eine Signatur des losen Teiles (22) definieren, vervollständigen, wodurch bei Passieren des losen Teiles (22) die Summierzelle (132) ein Ausgangssignal (62) erzeugt, das wesentlich ausgelenkt ist von einem Pegel, der von dem Hintergrundgeräusch herrührt.
einen akustischen Abtaster (42), der betriebsfähig ist zum Erzeugen eines elektrischen Signals (82) in Reaktion auf Schwingung des Rohres (32), umfassend durch das lose Teil (22) verursachte Schwingung und Hintergrundvibration,
eine Signalverarbeitungseinrichtung (44, 48, 84, 86), die mit dem elektrischen Signal (82) des akustischen Abtasters (82) gekoppelt ist und operiert, um eine Mehrzahl von Werten zu kodieren, die ausgeprägte Parameter des elektrischen Signals (82) auf laufende Art wiedergeben, wobei die Signalverarbei tungseinrichtung eine Mehrzahl diskreter Ausgangswerte (52) liefert, die ausgeprägte Parameter repräsentieren,
ein neuronales Netz (60) mit einer Mehrzahl von Neuronen zellen (92), von denen jede wenigstens einen Wichtungsfaktor (70) definiert, wobei die Neuronenzellen (92) Eingänge auf weisen, die mit den Werten (52) der ausgeprägten Parameter gekoppelt sind, und operieren, um die Werte (52) der ausge prägten Parameter zu wichten und damit ein Neuronenzellen- Ausgangssignal zu erzeugen,
und wenigstens eine Summierzelle (132), die eine Summe eines Produktes der Wichtungsfaktoren (70) und der Werte (52) von jeder der Neuronenzellen (92) erzeugt, und wobei die Wichtungsfaktoren (70) wenigstens eine Kombination der ausge prägten Parameter, die eine Signatur des losen Teiles (22) definieren, vervollständigen, wodurch bei Passieren des losen Teiles (22) die Summierzelle (132) ein Ausgangssignal (62) erzeugt, das wesentlich ausgelenkt ist von einem Pegel, der von dem Hintergrundgeräusch herrührt.
2. Diagnosevorrichtung nach Anspruch 1, gekennzeichnet durch
eine Einrichtung (74) zum Laden der Wichtungsfaktoren (70)
durch Betreiben des akustischen Abtasters (42) und der
Signalverarbeitungseinrichtung (44, 84) während bekannter
Durchgänge des losen Teiles (22) und durch Sammeln der Wich
tungsfaktoren (70) aus beobachteten Werten der ausgeprägten
Parameter.
3. Diagnosevorrichtung nach Anspruch 2, gekennzeichnet durch
eine Schwellenermittlungseinrichtung (72), die mit einem Aus
gang der Summierzelle (132) gekoppelt ist, und die ein Aus
gangssignal erzeugt, um den Durchgang des losen Teiles (22)
anzuzeigen, wenn das Ausgangssignal der Summierzelle (132)
einen vorbestimmten Wert übersteigt.
4. Diagnosevorrichtung nach Anspruch 1, dadurch gekennzeich
net, daß wenigstens eine Untergruppe der Neuronenzellen (92)
mit anderen Neuronenzellen (92) gekoppelt ist, und daß ein
Ausgangssignal von wenigstens einer der Untergruppen der Neu
ronenzellen (92) ein Ausgangssignal von wenigstens einer der
Untergruppen modifiziert.
5. Diagnosevorrichtung nach Anspruch 4, dadurch gekennzeich
net, daß die Neuronenzellen (92) in Niveaus (94) angeordnet
sind, welche von Eingängen, die mit den Werten (52) der aus
geprägten Parameter gekoppelt sind, fortschreiten zu der Sum
mierzelle (132), und daß Ausgänge von wenigstens einigen der
Neuronen (92) auf einem höheren Niveau (94) als Eingänge zu
Neuronen (92) auf einem niedrigeren Niveau (94) gekoppelt
sind.
6. Diagnosevorrichtung nach Anspruch 5, gekennzeichnet durch
eine Einrichtung (74) zum Laden der Wichtungsfaktoren (70)
durch Betreiben des akustischen Abtasters (42) und der
Signalverarbeitungseinrichtungen (44, 46, 48, 84, 86) während be
kannter Durchgänge des losen Teiles (22) und zum Sammeln der
Wichtungsfaktoren (70) aus beobachteten Werten der ausgepräg
ten Parameter.
7. Diagnosevorrichtung nach Anspruch 6, dadurch gekennzeich
net, daß die ausgeprägten Parameter des elektrischen Signals
(82) wenigstens eine Untergruppe von Variablen umfassen, wel
che ausgewählt sind aus der Gruppe, die besteht aus Signalam
plitude (S1), Signalamplitude über wenigstens einen diskreten
Frequenzbereich (F1), Dauer der Signalamplitude über die Zeit
(S1 bis S4), Konzentration von Energie in wenigstens einem
diskreten Frequenzbereich (F1 bis F4), Integration der Si
gnalamplitude, Differentiation der Signalamplitude, Summe
und/oder Differenzfunktionen, logische Funktionen und gleich
zeitiges Auftreten vorbestimmter Bedingungen in zwei oder
mehr der Variablen.
8. Diagnosevorrichtung nach Anspruch 7, gekennzeichnet durch
eine Schwellenermittlungseinrichtung (72), die mit einem Aus
gang der Summierzelle (132) gekoppelt ist, und die ein Aus
gangssignal erzeugt, um den Durchgang des losen Teiles (22)
anzuzeigen, wenn das Ausgangssignal der Summierzelle (132)
einen vorbestimmten Wert übersteigt.
9. Diagnosevorrichtung nach Anspruch 8, gekennzeichnet durch
eine Mehrzahl von Netzwerken (N1 bis N3) der Neuronen (92),
die mit den Werten (52) der ausgeprägten Parameter gekoppelt
sind, wobei jedes der Mehrzahl von Netzwerken Wichtungsfakto
ren (70) definiert, die wenigstens einen von ausgeprägten
Schwingungsaspekten des losen Teiles und ausgeprägte Schwin
gungsaspekte loser Teile unterschiedlicher Typen repräsentie
ren.
10. Diagnosevorrichtung nach Anspruch 9, gekennzeichnet durch
eine Summierzelle (94, 132) für jedes der Netzwerke und eine
Einrichtung zum Diskriminieren auf den Durchgang loser Teile
(22) aus den Ausgangssignalen der Summierzellen (132).
11. Verfahren zum Ermitteln des Durchgangs eines losen Teiles
(22), das sich in einer Strömungsmaterial führenden Leitung
(32) bewegt, dadurch gekennzeichnet,
daß ein akustisches Signal erfaßt wird aus Schwingung, die durch das lose Teil (22) und durch Hintergrundschwingung der Leitung (32) verursacht wird,
daß das akustische Signal verarbeitet wird, um eine Mehr zahl von Werten (52) zu kodieren, die ausgeprägte Parameter des akustischen Signals repräsentieren, wobei die Verarbei tung das Bestimmen von Pegeln der ausgeprägten Parameter um faßt für wenigstens eine Untergruppe von Variablen, welche ausgewählt sind aus der Gruppe, die besteht aus Signalampli tude (S1), Signalamplitude über wenigstens einen diskreten Frequenzbereich (F1), Dauer der Signalamplitude über die Zeit (S1 bis S4), Konzentration von Energie in wenigstens einem diskreten Frequenzbereich (F1 bis F4), Integration der Si gnalamplitude, Differentiation der Signalamplitude, Summe und Differenzfunktionen, logische Funktionen und gleichzeitiges Auftreten vorbestimmter Bedingungen in wenigstens zwei der Variablen,
daß die Werte (52) der ausgeprägten Parameter durch Wich tungsfaktoren (70) gewichtet werden, die charakteristische Schwingungsaspekte des losen Teiles (22) repräsentieren, daß Beziehungen zwischen den Werten (52) der ausgeprägten Parameter gewichtet werden als Funktion relativ höherer und relativ niedrigerer Niveaus von wenigstens zwei der ausge prägten Parameter, die ein für die Schwingung des losen Tei les (22) charakteristisches Muster definieren,
und daß die gewichteten Pegel und die gewichteten Bezie hungen summiert werden und ihre Summe verglichen wird mit einer Schwelle, um auf den Durchgang des losen Teiles (22) zu diskriminieren, wobei Faktoren (70) zum Wichten der Werte und der Beziehungen gewählt werden, um ein akustisches Signalmu ster zu komplementieren, das für das lose Teil (22) charakte ristisch ist.
daß ein akustisches Signal erfaßt wird aus Schwingung, die durch das lose Teil (22) und durch Hintergrundschwingung der Leitung (32) verursacht wird,
daß das akustische Signal verarbeitet wird, um eine Mehr zahl von Werten (52) zu kodieren, die ausgeprägte Parameter des akustischen Signals repräsentieren, wobei die Verarbei tung das Bestimmen von Pegeln der ausgeprägten Parameter um faßt für wenigstens eine Untergruppe von Variablen, welche ausgewählt sind aus der Gruppe, die besteht aus Signalampli tude (S1), Signalamplitude über wenigstens einen diskreten Frequenzbereich (F1), Dauer der Signalamplitude über die Zeit (S1 bis S4), Konzentration von Energie in wenigstens einem diskreten Frequenzbereich (F1 bis F4), Integration der Si gnalamplitude, Differentiation der Signalamplitude, Summe und Differenzfunktionen, logische Funktionen und gleichzeitiges Auftreten vorbestimmter Bedingungen in wenigstens zwei der Variablen,
daß die Werte (52) der ausgeprägten Parameter durch Wich tungsfaktoren (70) gewichtet werden, die charakteristische Schwingungsaspekte des losen Teiles (22) repräsentieren, daß Beziehungen zwischen den Werten (52) der ausgeprägten Parameter gewichtet werden als Funktion relativ höherer und relativ niedrigerer Niveaus von wenigstens zwei der ausge prägten Parameter, die ein für die Schwingung des losen Tei les (22) charakteristisches Muster definieren,
und daß die gewichteten Pegel und die gewichteten Bezie hungen summiert werden und ihre Summe verglichen wird mit einer Schwelle, um auf den Durchgang des losen Teiles (22) zu diskriminieren, wobei Faktoren (70) zum Wichten der Werte und der Beziehungen gewählt werden, um ein akustisches Signalmu ster zu komplementieren, das für das lose Teil (22) charakte ristisch ist.
12. Verfahren nach Anspruch 11, dadurch gekennzeichnet, daß
die Faktoren zum Wichten der Werte und der Beziehungen gesam
melt werden durch Beobachten bekannter Durchgänge (74) des
losen Teiles (22).
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US08/224,467 US5521840A (en) | 1994-04-07 | 1994-04-07 | Diagnostic system responsive to learned audio signatures |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19512503A1 true DE19512503A1 (de) | 1995-11-16 |
Family
ID=22840828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19512503A Withdrawn DE19512503A1 (de) | 1994-04-07 | 1995-04-04 | Diagnosesystem, das auf erlernte Audiosignaturen anspricht |
Country Status (8)
Country | Link |
---|---|
US (1) | US5521840A (de) |
JP (1) | JPH0886897A (de) |
KR (1) | KR950034289A (de) |
CN (1) | CN1111778A (de) |
CZ (1) | CZ87095A3 (de) |
DE (1) | DE19512503A1 (de) |
GB (1) | GB2288235B (de) |
PL (1) | PL308047A1 (de) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19949637A1 (de) * | 1999-10-14 | 2001-04-19 | Dietrich Kuehner | Verfahren und Vorrichtungen zur Geräuscherkennung und -trennung sowie Lärmüberwachung und -prognose |
DE10157202A1 (de) * | 2001-11-22 | 2003-05-28 | Max Girbinger | Akustische Ansprechkontrolle für Relais, ohne Anschluss an die Elektrik |
DE19754918B4 (de) * | 1996-12-10 | 2009-04-09 | Caterpillar Inc., Peoria | Verbesserungen beim Komponentenmaschinentest unter Verwendung einer von einem neuralen Netzwerk verarbeiteten Schwingungsdatenanalyse |
DE102007038344B4 (de) * | 2006-08-17 | 2012-12-13 | Korea Atomic Energy Research Institute | Integriertes Überwachungsverfahren für Nukleareinrichtungen und ein solches Verfahren verwendende Einrichtung |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5847658A (en) * | 1995-08-15 | 1998-12-08 | Omron Corporation | Vibration monitor and monitoring method |
SE510450C2 (sv) * | 1996-03-11 | 1999-05-25 | Abb Research Ltd | Förfarande för övervakning av lindningskopplare genom ljudanalys |
US8290721B2 (en) | 1996-03-28 | 2012-10-16 | Rosemount Inc. | Flow measurement diagnostics |
US6507790B1 (en) * | 1998-07-15 | 2003-01-14 | Horton, Inc. | Acoustic monitor |
US6301572B1 (en) | 1998-12-02 | 2001-10-09 | Lockheed Martin Corporation | Neural network based analysis system for vibration analysis and condition monitoring |
US6494105B1 (en) * | 1999-05-07 | 2002-12-17 | James E. Gallagher | Method for determining flow velocity in a channel |
AU5002900A (en) * | 1999-05-11 | 2000-11-21 | Georgia Tech Research Corporation | Laser doppler vibrometer for remote assessment of structural components |
US6493687B1 (en) * | 1999-12-18 | 2002-12-10 | Detection Systems, Inc. | Apparatus and method for detecting glass break |
US6999923B1 (en) * | 2000-06-23 | 2006-02-14 | International Business Machines Corporation | System and method for control of lights, signals, alarms using sound detection |
US6340032B1 (en) * | 2000-08-14 | 2002-01-22 | Peter Zosimadis | Faucet and system for use with a faucet |
US6687654B2 (en) | 2001-09-10 | 2004-02-03 | The Johns Hopkins University | Techniques for distributed machinery monitoring |
US7011180B2 (en) * | 2002-09-18 | 2006-03-14 | Savant Measurement Corporation | System for filtering ultrasonic noise within a fluid flow system |
US7464721B2 (en) * | 2004-06-14 | 2008-12-16 | Rosemount Inc. | Process equipment validation |
US7148696B2 (en) * | 2005-01-12 | 2006-12-12 | Eaton Corporation | Electrical switching apparatus and method including fault detection employing acoustic signature |
US7411403B2 (en) * | 2005-05-10 | 2008-08-12 | Eaton Corporation | Electrical switching apparatus and method employing active acoustic sensing to detect an electrical conductivity fault of a power circuit |
DE102006004941B4 (de) * | 2006-02-03 | 2008-01-10 | Areva Np Gmbh | Verfahren und Einrichtung zur Detektion des Ortes einer impulsartigen mechanischen Einwirkung auf ein Anlagenteil |
US7403129B2 (en) * | 2006-05-10 | 2008-07-22 | Eaton Corporation | Electrical switching apparatus and method employing acoustic and current signals to distinguish between parallel and series arc faults |
US7845688B2 (en) * | 2007-04-04 | 2010-12-07 | Savant Measurement Corporation | Multiple material piping component |
CA2729744C (en) * | 2008-06-30 | 2017-01-03 | Constellation Productions, Inc. | Methods and systems for improved acoustic environment characterization |
US8607093B2 (en) * | 2009-08-31 | 2013-12-10 | Red Hat, Inc. | Systems and methods for detecting machine faults in network using acoustic monitoring |
RU2448377C2 (ru) * | 2010-06-17 | 2012-04-20 | Федеральное государственное бюджетное учреждение "Национальный исследовательский центр "Курчатовский институт" | Способ диагностики резонансных пульсаций давления в напорном тракте рбмк при помощи первичного преобразователя шарикового расходомера шторм-32м |
US20120092020A1 (en) * | 2010-10-18 | 2012-04-19 | Xin Zhou | Acoustic apparatus and acoustic sensor apparatus including a clamp |
US8665666B2 (en) * | 2010-10-18 | 2014-03-04 | Eaton Corporation | Acoustic apparatus and acoustic sensor apparatus including a fastener |
US8955383B2 (en) * | 2012-06-27 | 2015-02-17 | General Monitors, Inc. | Ultrasonic gas leak detector with false alarm discrimination |
US9091613B2 (en) * | 2012-06-27 | 2015-07-28 | General Monitors, Inc. | Multi-spectral ultrasonic gas leak detector |
CN103093840A (zh) * | 2013-01-25 | 2013-05-08 | 杭州电子科技大学 | 反应堆松动件报警方法 |
CN103245524A (zh) * | 2013-05-24 | 2013-08-14 | 南京大学 | 基于神经网络的声学故障诊断方法 |
CN104062352A (zh) * | 2014-06-26 | 2014-09-24 | 国电科学技术研究院 | 一种奥氏体不锈钢受热面管内壁氧化皮堆积的检测方法 |
KR101663820B1 (ko) * | 2014-12-26 | 2016-10-10 | 주식회사 아이티매직 | 사운드 신호를 이용하여 기계 장치를 진단하는 방법 및 장치 |
FR3075394B1 (fr) * | 2017-12-14 | 2020-10-30 | Commissariat Energie Atomique | Procede de detection d’un dysfonctionnement d’un capteur acoustique couple a un generateur electrochimique et dispositif mettant en œuvre ledit procede |
CN111638028B (zh) * | 2020-05-20 | 2022-05-10 | 国网河北省电力有限公司电力科学研究院 | 一种基于振动特征的高压并联电抗器机械状态评估方法 |
WO2022056104A1 (en) * | 2020-09-09 | 2022-03-17 | Kai Systems, Inc. | Autonomous system for monitoring the structural integrity of marine pilings |
CN113436759B (zh) * | 2021-04-29 | 2022-08-23 | 华能山东石岛湾核电有限公司 | 高温气冷堆蒸汽发生器调试用声响监控装置及方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3860481A (en) * | 1973-01-29 | 1975-01-14 | Westinghouse Electric Corp | Metal impact monitor |
FR2550878B1 (fr) * | 1983-08-19 | 1989-05-19 | Electricite De France | Procede et installation de detection de corps errants dans un reacteur nucleaire |
US5095443A (en) * | 1988-10-07 | 1992-03-10 | Ricoh Company, Ltd. | Plural neural network system having a successive approximation learning method |
US5010512A (en) * | 1989-01-12 | 1991-04-23 | International Business Machines Corp. | Neural network having an associative memory that learns by example |
US5109351A (en) * | 1989-08-21 | 1992-04-28 | Texas Instruments Incorporated | Learning device and method |
US5103496A (en) * | 1989-09-18 | 1992-04-07 | The United States Of America As Represented By The Secretary Of The Navy | Artificial neural network system for memory modification |
US5416724A (en) * | 1992-10-09 | 1995-05-16 | Rensselaer Polytechnic Institute | Detection of leaks in pipelines |
-
1994
- 1994-04-07 US US08/224,467 patent/US5521840A/en not_active Expired - Fee Related
-
1995
- 1995-03-15 GB GB9505193A patent/GB2288235B/en not_active Expired - Fee Related
- 1995-04-04 DE DE19512503A patent/DE19512503A1/de not_active Withdrawn
- 1995-04-05 CZ CZ95870A patent/CZ87095A3/cs unknown
- 1995-04-06 KR KR1019950007954A patent/KR950034289A/ko not_active Application Discontinuation
- 1995-04-06 CN CN95103629A patent/CN1111778A/zh active Pending
- 1995-04-07 PL PL95308047A patent/PL308047A1/xx unknown
- 1995-04-07 JP JP7107856A patent/JPH0886897A/ja not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19754918B4 (de) * | 1996-12-10 | 2009-04-09 | Caterpillar Inc., Peoria | Verbesserungen beim Komponentenmaschinentest unter Verwendung einer von einem neuralen Netzwerk verarbeiteten Schwingungsdatenanalyse |
DE19949637A1 (de) * | 1999-10-14 | 2001-04-19 | Dietrich Kuehner | Verfahren und Vorrichtungen zur Geräuscherkennung und -trennung sowie Lärmüberwachung und -prognose |
DE10157202A1 (de) * | 2001-11-22 | 2003-05-28 | Max Girbinger | Akustische Ansprechkontrolle für Relais, ohne Anschluss an die Elektrik |
DE102007038344B4 (de) * | 2006-08-17 | 2012-12-13 | Korea Atomic Energy Research Institute | Integriertes Überwachungsverfahren für Nukleareinrichtungen und ein solches Verfahren verwendende Einrichtung |
Also Published As
Publication number | Publication date |
---|---|
GB2288235B (en) | 1997-12-17 |
US5521840A (en) | 1996-05-28 |
GB2288235A (en) | 1995-10-11 |
CZ87095A3 (en) | 1995-10-18 |
CN1111778A (zh) | 1995-11-15 |
GB9505193D0 (en) | 1995-05-03 |
JPH0886897A (ja) | 1996-04-02 |
PL308047A1 (en) | 1995-10-16 |
KR950034289A (ko) | 1995-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE19512503A1 (de) | Diagnosesystem, das auf erlernte Audiosignaturen anspricht | |
DE69934142T2 (de) | Determination der zeitverzögerung und determination der signalverschiebung | |
DE3726585C2 (de) | ||
DE3101307C1 (de) | Anordnung zur Erfassung sich bewegender Gegenstaende | |
DE102013014539A1 (de) | Gerät und Verfahren zur Messung einer Kavitationsstärke in einem flüssigen Medium | |
DE3104885A1 (de) | Schallueberwachungseinrichtung fuer industrieanlage | |
DE69210584T2 (de) | Ultraschallentfernungsmessern | |
DE3854218T2 (de) | Kontinuierlich bereitgestellter impulszugprozessor hoher zuverlässigkeit. | |
DE69509607T2 (de) | Münzprüfung | |
EP1092964B1 (de) | Vorrichtung zur Geräuscherkennung und Geräuschtrennung | |
CN115235877A (zh) | 腐蚀状态监测系统和应力腐蚀状态评价方法及装置 | |
DE69222919T2 (de) | Verarbeitung transienter Detektion, insbesondere Erkennung akustischer Signale unter Wasser | |
DE102019216017A1 (de) | Verfahren und Vorrichtung zur Verarbeitung einer Doppler-Range-Matrix und Radarsystem | |
DE69524378T2 (de) | Verfahren zum abtasten eines kanals | |
DE4237721B4 (de) | Verfahren und Vorrichtung zur Identifizierung von Verkehrsteilnehmern | |
DE3906627A1 (de) | Verfahren und anordnung zur raumueberwachung nach dem impuls-echoverfahren | |
CH686805A5 (de) | Verfahren zur Verarbeitung der Signale eines passiven Infrarot-Detektors und Infrarot-Detektor zur Durchfuehrung des Verfahrens. | |
DE3940805C2 (de) | ||
DE4229079A1 (de) | Verfahren und Vorrichtung zur berührungslosen Abstandsmessung | |
DE3409595A1 (de) | Verfahren und einrichtung zum identifizieren von diskontinuitaeten in einer stroemung | |
DE102004050402A1 (de) | Verfahren und Vorrichtung zum Erkennen eines Störeffekts in einem Nachrichtenkanal | |
EP0937970B1 (de) | Vorrichtung und Verfahren zur Analyse von Signalen | |
Heo et al. | Feedwater flowrate estimation based on the two-step de-noising using the wavelet analysis and an autoassociative neural network | |
Smith et al. | Testing spike detection techniques using synthetic data. 319.9 | |
DE3624195A1 (de) | Detektionsverfahren fuer einen passiven infrarot-bewegungsmelder und anordnung zur durchfuehrung des verfahrens |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8139 | Disposal/non-payment of the annual fee |