JP2017227624A5 - - Google Patents

Download PDF

Info

Publication number
JP2017227624A5
JP2017227624A5 JP2017085358A JP2017085358A JP2017227624A5 JP 2017227624 A5 JP2017227624 A5 JP 2017227624A5 JP 2017085358 A JP2017085358 A JP 2017085358A JP 2017085358 A JP2017085358 A JP 2017085358A JP 2017227624 A5 JP2017227624 A5 JP 2017227624A5
Authority
JP
Japan
Prior art keywords
frequency distribution
bins
acoustic
frequency
waveform data
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.)
Granted
Application number
JP2017085358A
Other languages
English (en)
Other versions
JP2017227624A (ja
JP6938200B2 (ja
Filing date
Publication date
Priority claimed from US15/150,595 external-priority patent/US9989501B2/en
Application filed filed Critical
Publication of JP2017227624A publication Critical patent/JP2017227624A/ja
Publication of JP2017227624A5 publication Critical patent/JP2017227624A5/ja
Application granted granted Critical
Publication of JP6938200B2 publication Critical patent/JP6938200B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Description

本開示は、広くは、アコースティックエミッションに関し、特に、物体からのアコースティックエミッションを検出することに関する。更に、より具体的には、本開示は、物体のアコースティックエミッションを解析して、これらの物体の経時的な構造健全性を評価するための、方法及び装置に関する。
例示的な一実施形態では、装置が、音響感知システム及び解析器モジュールを備える。音響感知システムは、物体に対して配置されている。音響感知システムは、アコースティックエミッションを検出し、検出されたアコースティックエミッションの音響波形データを生成する。解析器モジュールは、コンピュータシステム内に実装されている。解析器モジュールは、物体の負荷データ及び音響波形データを受信し、負荷データの複数のビン(bin)を生成し、音響波形データを使用して複数のビンの複数の周波数分布関数を生成し、一組の学習アルゴリズムを複数の周波数分布関数及び音響波形データに適用して、オペレータがより容易に且つ素早く物体の構造健全性を評価することを可能にする出力を生成する。
別の例示的な一実施形態では、音響波を使用して物体を解析するための方法が提供される。物体の負荷データが、受信される。物体の音響波形データが、音響感知システムから受信される。音響波形データは、物体から発するアコースティックエミッションを表し、音響感知システムを使用して検出される。負荷データの複数のビンが生成される。音響波形データを使用して、複数のビンの複数の周波数分布関数が生成される。一組の学習アルゴリズムが、複数の周波数分布関数及び音響波形データに適用され、オペレータがより容易に且つ素早く物体の構造健全性を評価することを可能にする出力を生成する。
更に別の例示的な一実施形態では、航空機のライフサイクルにおける少なくとも1つの段階の間に、航空機内の複合材料物を監視するための方法が提供される。複合材料物から放射されるアコースティックエミッションは、音響感知システムを使用して検出され、音響波形データを生成する。解析器モジュールが、複合材料物の音響波形データ及び負荷データを受信する。解析器モジュールは、負荷データの複数のビンを生成する。音響波形データ内の一組の波形が、複数のビンのうちの対応するビン内に入る。解析器モジュールは、音響波形データを使用して、複数のビンの複数の周波数分布関数を生成する。一組の管理下にある学習アルゴリズムが、複数の周波数分布関数、音響波形データ、及び記憶された複数の記述子に適用され、複数の周波数分布関数内の各周波数分布関数の分類結果を特定する分類出力を生成する。分類出力は、オペレータが、より容易に且つ素早く複合材料物の構造健全性を評価することを可能にする。
したがって、例示的な実施形態は、アコースティックエミッションを使用して物体を解析するための方法及び装置を提供する。例示的な一実施例では、音響感知システムを使用して、物体から発するアコースティックエミッションが検出され、音響波形データを生成する。音響波形データは、物体の負荷データと共に受信される。負荷データの複数のビンが生成される。音響波形データを使用して、複数のビンの複数の周波数分布関数が生成される。一組の学習アルゴリズムが、複数の周波数分布関数に適用され、オペレータがより容易に且つ素早く物体の構造健全性を評価することを可能にする出力を生成する。
解析器モジュール109は、音響波形データと負荷データの両方を受信する。負荷データは、経時的に、物体102に加えられた負荷又は物体102によって経験された負荷の測定値を含み得る。解析器モジュール109は、検出されたアコースティックエミッションに基づいて、経時的な物体102内の構造的変化の性質及びモードを特定するために必要な、時間及びコンピュータ処理リソースの量を低減させるやり方で、音響波形データ及び負荷データを処理する。特に、解析器モジュール109は、オペレータがより容易に且つ素早く物体102の構造健全性を評価することを可能にする出力を生成する。
物体200への負荷は、経時的に、物体200の構造健全性に影響を与え得る。例えば、負荷は、物体200の構造健全性を低減させる、物体200内の特定の構造的変化をもたらし得る。これらの構造的変化は、亀裂形成、スプリッティング、亀裂伸長、スプリット伸長、繊維破断、層間剥離、何らかの他の種類の望ましくない構造的変化、又はそれらの組み合わせを含み得るが、それらに限定されるものではない。
ビン234の周波数分布関数232を生成するプロセスは、複数のビン224の各々に対して繰り返され、最終的に複数の周波数分布関数228を生成する。複数の周波数分布関数228は、オペレータに、物体200の構造健全性を素早く評価する容易なやり方を提供する。
複数のクラスタ242内の各クラスタは、物体200の構造健全性に影響を与える構造的変化に対応する。例示的な一実施例では、複数のクラスタ242内の各クラスタが、物体200の構造健全性を低減させる構造的変化の異なるモードに対応する。
例示的な一実施例では、解析器モジュール214が、複数の記述子244内の対応する記述子を有する、複数のモード246内の各モードのペアリングを特定する、記述子分類出力248を生成する。記述子分類出力248は、将来の使用のために、データベース222又は何らかの他のデータ構造若しくはデータストレージ内に記憶され得る。このやり方では、記述子分類出力248が、物体200と構造的に同じである又は構造的に類似する1以上の部分の構造健全性を評価するために使用され得る、ベースラインデータを規定する。
したがって、例示的な実施形態は、物体200の構造健全性を評価するための正確で効率的な方法を提供する。この種類の評価に基づいて得られた情報は、その後、認可、整備、修理、システムインテグレーション、何らかの他の種類の作業、又はそれらの組み合わせに関して、物体200についての判定を行うために使用され得る。
航空機300のライフサイクルの間の任意の段階において、音響感知システム204によって生成された音響波形データは、図2の解析器モジュール214によって収集及び解析され得る。このやり方では、航空機300の様々な部分又は構造の構造健全性が解析され、任意の検出された望ましくない構造的変化が分類され得る。
その後、一組の学習アルゴリズムが、複数の周波数分布関数及び音響波形データに適用され、オペレータがより容易に且つ素早く物体の構造健全性を評価することを可能にする出力を生成する(動作408)。その後、プロセスは終了する。図4で説明されたプロセスは、物体が同時に発生する複数のモードの構造的変化に晒されたときに、物体の構造健全性を正確に評価するために必要とされる、全体の時間、労力、及びコンピュータベースの処理リソースを低減させ得る。
複数の記述子の各記述子を複数のモードの特定のモードと対にする記述子分類出力が生成される(動作606)。その後、プロセスは終了する。その後、この記述子分類出力は、他の物体の構造健全性の評価を実行するために使用され得る。
その後、一組の学習アルゴリズムが、複数の周波数分布関数、音響波形データ、及び以前に生成された周波数分布関数の複数のクラスタの記憶された複数の記述子に適用され、オペレータがより容易に且つ素早く物体の構造健全性を評価することを可能にする分類出力を生成する(動作808)。分類出力は、音響波形データ内の各波形の分類結果を特定する。その後、プロセスは終了する。動作808において、分類結果は、特定の波形を、0、1つ、2つ、3つ、4つ、又は何らかの他の数の構造的変化のモードを表すものとして特定し得る。
更に、本開示は下記の条項による実施形態を含む。
条項1
物体に対して配置された音響感知システムであって、アコースティックエミッションを検出し、前記検出されたアコースティックエミッションの音響波形データを生成する、音響感知システム、並びに
前記物体の負荷データ及び前記音響波形データを受信し、前記負荷データの複数のビンを生成し、前記音響波形データを使用して前記複数のビンの複数の周波数分布関数を生成し、及び、一組の学習アルゴリズムを前記複数の周波数分布関数及び前記音響波形データに適用して、オペレータがより容易に且つ素早く前記物体の構造健全性を評価することを可能にする出力を生成する、コンピュータシステム内に実装された解析器モジュールを備える、装置。
条項2
前記音響感知システムが、
前記物体と接触するように配置された音響センサを備える、条項1に記載の装置。
条項3
前記一組の学習アルゴリズムが、一組の管理下にない学習アルゴリズム又は一組の管理下にある学習アルゴリズムの何れかを含む、条項1に記載の装置。
条項4
前記音響波形データが生成される際に、前記負荷データが、データベースから読み出されるか又は前記物体への負荷を測定する負荷感知システムから受信されるかの何れかである、条項1に記載の装置。
条項5
前記複数のビンが複数のビン幅を有し、前記複数のビン幅内のビン幅が時間間隔又は負荷間隔の何れかである、条項1に記載の装置。
条項6
前記複数の周波数分布関数内の各周波数分布関数が、複数のビン幅の各ビン幅が規定された周波数間隔であるところの、前記複数のビン幅を有する、条項1に記載の装置。
条項7
前記複数の周波数分布関数内の各周波数分布関数が複数の周波数ビンを含み、前記複数の周波数ビン内の周波数ビンが、前記周波数ビン内に入る幾つかの周波数ピークのカウント又は前記音響波形データを使用して計算された前記周波数ビンにおけるエネルギーの蓄積の何れかを含む、条項1に記載の装置。
条項8
前記出力が、前記複数の周波数分布関数の複数のクラスタを特定し、前記複数のクラスタが、
構造的変化の第1のモードを表す第1のクラスタ、
構造的変化の第2のモードを表す第2のクラスタ、
構造的変化の第3のモードを表す第3のクラスタ、及び
構造的変化の第4のモードを表す第4のクラスタを含む、条項1に記載の装置。
条項9
前記解析器モジュールが、前記一組の学習アルゴリズムを前記複数の周波数分布関数に適用して、複数のクラスタを規定し、及び、前記複数のクラスタの複数の記述子を特定する、条項1に記載の装置。
条項10
前記複数のクラスタが、交互の試験データを用いて解析され、前記複数の記述子内の各記述子を構造的変化の異なるモードに関連付け、前記交互の試験データが、X線画像データ、超音波画像データ、赤外線画像データ、及びモデリングデータのうちの1つから選択される、条項9に記載の装置。
条項11
前記解析器モジュールが、構造的変化のモードを前記複数の記述子内の前記各記述子に関連付ける、記述子分類出力を生成し、前記記述子分類出力が、部品のライフサイクルにおける少なくとも1つの段階の間に前記部品の構造健全性を評価することにおける将来の使用のために、データベース内に記憶される、条項10に記載の装置。
条項12
音響波を使用して物体を解析するための方法であって、
前記物体の負荷データを受信すること、
前記物体の音響波形データであって、前記物体から発するアコースティックエミッションを表し、音響感知システムを使用して検出される、音響波形データを前記音響感知システムから受信すること、
前記負荷データの複数のビンを生成すること、
前記音響波形データを使用して前記複数のビンの複数の周波数分布関数を生成すること、及び
一組の学習アルゴリズムを前記複数の周波数分布関数及び前記音響波形データに適用して、オペレータがより容易に且つ素早く前記物体の構造健全性を評価することを可能にする出力を生成することを含む、方法。
条項13
前記音響感知システムによって、少なくとも1つの音響センサを使用して、前記物体から放射された音響波を検出し、アコースティックエミッション信号を生成すること、及び
前記アコースティックエミッション信号を、前記音響波形データへ変換することを更に含む、条項12に記載の方法。
条項14
前記複数のビンを生成することが、
前記複数のビンの複数のビン幅を特定することであって、前記複数のビン幅内のビン幅が、規定された時間間隔又は規定された負荷間隔の何れかである、特定すること、及び
前記複数のビンの各ビン内に入る前記音響波形データ内の一組の波形を特定することを含む、条項12に記載の方法。
条項15
前記複数の周波数分布関数を生成することが、
選択された周波数範囲を、少なくとも1つの規定された周波数間隔に基づいて複数の周波数ビンへ分割することを含む、条項14に記載の方法。
条項16
前記複数の周波数分布関数を生成することが、
前記複数のビンから選択されたビン内に入る前記一組の波形の高速フーリエ変換を計算すること、及び
前記高速フーリエ変換に基づいて、前記ビンの周波数分布関数内の前記複数の周波数ビンを更新することを更に含む、条項15に記載の方法。
条項17
前記複数の周波数ビンを更新することが、
前記一組の波形内の各波形の幾つかの周波数ピークを選択すること、及び
前記幾つかの周波数ピーク内の周波数ピークが前記複数の周波数ビン内の周波数ビン内に入る周波数を有するときに、前記周波数ビンをインクリメントすることを含む、条項16に記載の方法。
条項18
前記一組の学習アルゴリズムを適用することが、
一組の管理下にない学習アルゴリズムを、前記複数の周波数分布関数及び前記音響波形データに適用して、複数のクラスタを規定すること、
前記複数のクラスタの複数の記述子を特定すること、及び
前記複数の記述子内の各記述子を、交互の試験データを使用して特定された複数のモードに基づいて構造的変化の異なるモードを表すように分類する、記述子分類出力を生成することを含む、条項12に記載の方法。
条項19
前記一組の学習アルゴリズムを適用することが、
一組の管理下にある学習アルゴリズムを、前記複数の周波数分布関数、前記音響波形データ、及び記憶された複数の記述子に適用すること、並びに
前記複数の周波数分布関数の各周波数分布関数の分類結果を生成することを含む、条項12に記載の方法。
条項20
航空機のライフサイクルにおける少なくとも1つの段階の間に、前記航空機内の複合材料物を監視するための方法であって、
音響感知システムを使用して前記複合材料物から放射されたアコースティックエミッションを検出して、音響波形データを生成すること、
解析器モジュールによって、前記複合材料物の前記音響波形データ及び負荷データを受信すること、
前記解析器モジュールによって、前記負荷データの複数のビンを生成することであって、前記音響波形データ内の一組の波形が前記複数のビン内の対応するビン内に入る、生成すること、
前記解析器モジュールによって、前記音響波形データを使用して、前記複数のビンの複数の周波数分布関数を生成すること、及び
一組の管理下にある学習アルゴリズムを、前記複数の周波数分布関数、前記音響波形データ、及び記憶された複数の記述子に適用して、前記複数の周波数分布関数内の各周波数分布関数の分類結果を特定する分類出力であって、オペレータがより容易に且つ素早く前記複合材料物の構造健全性を評価することを可能にする、分類出力を生成することを含む、方法。
条項21
前記一組の管理下にある学習アルゴリズムを、前記複数の周波数分布関数、前記音響波形データ、及び前記記憶された複数の記述子に適用して、前記分類出力を生成することが、
前記複数の周波数分布関数内の選択された周波数分布関数を前記記憶された複数の記述子の各々と比較することによって、前記選択された周波数分布関数の前記分類結果を生成することを含み、前記分類結果が、前記選択された周波数分布関数、及びそれによって前記音響波形データ内の対応する一組の波形が、ゼロ又は1以上の構造的変化のモードを表すかを特定する、条項20に記載の方法。

Claims (14)

  1. 物体(102、200)に対して配置された音響感知システム(104、204)であって、アコースティックエミッション(206)を検出し、前記検出されたアコースティックエミッション(206)の音響波形データ(212)を生成する、音響感知システム(104、204)、並びに
    前記物体(102、200)の負荷データ(218)及び前記音響波形データ(212)を受信し、前記負荷データ(218)の複数のビン(224)を生成し、前記音響波形データ(212)を使用して前記複数のビン(224)の複数の周波数分布関数(228)を生成し、及び、一組の学習アルゴリズムを前記複数の周波数分布関数(228)及び前記音響波形データ(212)に適用して、オペレータがより容易に且つ素早く前記物体(102、200)の構造健全性を評価することを可能にする出力を生成する、コンピュータシステム内に実装された解析器モジュール(109、214)を備える、装置。
  2. 前記複数のビン(224)が複数のビン幅(226)を有し、前記複数のビン幅(226)内のビン幅が時間間隔又は負荷間隔の何れかである、請求項1に記載の装置。
  3. 前記複数の周波数分布関数(228)内の各周波数分布関数(232)が、複数のビン幅(226)の各ビン幅が規定された周波数間隔であるところの、前記複数のビン幅(226)を有する、請求項1に記載の装置。
  4. 前記出力が、前記複数の周波数分布関数(228)の複数のクラスタ(242)を特定し、前記複数のクラスタ(242)が、
    構造的変化の第1のモードを表す第1のクラスタ、
    構造的変化の第2のモードを表す第2のクラスタ、
    構造的変化の第3のモードを表す第3のクラスタ、及び
    構造的変化の第4のモードを表す第4のクラスタを含む、請求項1に記載の装置。
  5. 前記解析器モジュール(109、214)が、前記一組の学習アルゴリズムを前記複数の周波数分布関数(228)に適用して、複数のクラスタ(242)を規定し、及び、重心である前記複数のクラスタ(242)の複数の記述子(244)を特定する、請求項1に記載の装置。
  6. 前記複数のクラスタ(242)が、の試験データ(236)を用いて解析され、前記複数の記述子(244)内の各記述子を構造的変化の異なるモードに関連付け、前記の試験データ(236)が、X線画像データ、超音波画像データ、赤外線画像データ、及びモデリングデータのうちの1つから選択される、請求項に記載の装置。
  7. 前記解析器モジュール(109、214)が、構造的変化のモードを前記複数の記述子(244)内の前記各記述子に関連付ける、記述子分類出力(248)を生成し、前記記述子分類出力(248)が、部品のライフサイクルにおける少なくとも1つの段階の間に前記部品の構造健全性を評価することにおける将来の使用のために、データベース(222)内に記憶される、請求項に記載の装置。
  8. 音響波を使用して物体(102、200)を解析するための方法であって、
    前記物体(102、200)の負荷データ(218)を受信すること(402)、
    前記物体(102、200)の音響波形データ(212)であって、前記物体(102、200)から発するアコースティックエミッション(206)を表し、音響感知システム(104、204)を使用して検出される、音響波形データ(212)を前記音響感知システム(104、204)から受信すること(400)、
    コースティックエミッション(206)信号を、前記音響波形データ(212)へ変換すること、
    前記負荷データ(218)の複数のビン(224)を生成すること(404)、
    前記音響波形データ(212)を使用して前記複数のビン(224)の複数の周波数分布関数(228)を生成すること(406)、及び
    一組の学習アルゴリズムを前記複数の周波数分布関数(228)及び前記音響波形データ(212)に適用して、オペレータがより容易に且つ素早く前記物体(102、200)の構造健全性を評価することを可能にする出力を生成すること(408)を含む、方法。
  9. 前記複数のビン(224)を生成すること(404)が、
    前記複数のビン(224)の複数のビン幅(226)を特定することであって、前記複数のビン幅(226)内のビン幅が、規定された時間間隔又は規定された負荷間隔の何れかである、特定すること、及び
    前記複数のビン(224)の各ビン内に入る前記音響波形データ(212)内の一組の波形を特定すること(504)を含む、請求項に記載の方法。
  10. 前記複数の周波数分布関数(228)を生成すること(406)が、
    選択された周波数範囲を、少なくとも1つの規定された周波数間隔に基づいて複数の周波数ビン(235)へ分割することを含む、請求項に記載の方法。
  11. 前記複数の周波数分布関数(228)を生成すること(406)が、
    前記複数のビン(224)から選択されたビン(234)内に入る前記一組の波形の高速フーリエ変換を計算すること(506)、及び
    前記高速フーリエ変換に基づいて、前記ビンの周波数分布関数内の前記複数の周波数ビン(235)を更新することを更に含む、請求項10に記載の方法。
  12. 前記複数の周波数ビン(235)を更新することが、
    前記一組の波形内の各波形の幾つかの周波数ピークを選択すること(508)、及び
    前記幾つかの周波数ピーク内の周波数ピークが前記複数の周波数ビン(235)内の周波数ビン内に入る周波数を有するときに、前記周波数ビンをインクリメントすること(510)を含む、請求項11に記載の方法。
  13. 航空機(300)のライフサイクルにおける少なくとも1つの段階の間に、前記航空機(300)内の複合材料物(202)を監視するための方法であって、
    音響感知システム(104、204)を使用して前記複合材料物(202)から放射されたアコースティックエミッション(206)を検出して、音響波形データ(212)を生成すること(800)、
    解析器モジュール(109、214)によって、前記複合材料物(202)の前記音響波形データ(212)及び負荷データ(218)を受信すること(802)、
    前記解析器モジュール(109、214)によって、前記負荷データ(218)の複数のビン(224)を生成することであって、前記音響波形データ(212)内の一組の波形が前記複数のビン(224)内の対応するビン内に入る、生成すること(804)、
    前記解析器モジュール(109、214)によって、前記音響波形データ(212)を使用して、前記複数のビン(224)の複数の周波数分布関数(228)を生成すること(806)、及び
    一組の管理下にある学習アルゴリズムを、前記複数の周波数分布関数(228)、前記音響波形データ(212)、及び記憶された複数の記述子(244)に適用して、前記複数の周波数分布関数(228)内の各周波数分布関数の分類結果を特定する分類出力(250)であって、オペレータがより容易に且つ素早く前記複合材料物(202)の構造健全性を評価することを可能にし、複数のクラスタ(242)の前記記憶された複数の記述子(244)は重心である、分類出力(250)を生成すること(808)を含む、方法。
  14. 前記一組の管理下にある学習アルゴリズムを、前記複数の周波数分布関数(228)、前記音響波形データ(212)、及び前記記憶された複数の記述子(244)に適用して、前記分類出力(250)を生成すること(808)が、
    前記複数の周波数分布関数(228)内の選択された周波数分布関数を前記記憶された複数の記述子(244)の各々と比較することによって、前記選択された周波数分布関数の前記分類結果を生成することを含み、前記分類結果が、前記選択された周波数分布関数、及びそれによって前記音響波形データ(212)内の対応する一組の波形が、ゼロ又は1以上の構造的変化のモードを表すかを特定する、請求項13に記載の方法。
JP2017085358A 2016-05-10 2017-04-24 アコースティックエミッション試験のための方法及び装置 Active JP6938200B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/150,595 US9989501B2 (en) 2016-05-10 2016-05-10 Method and apparatus for acoustic emissions testing
US15/150,595 2016-05-10

Publications (3)

Publication Number Publication Date
JP2017227624A JP2017227624A (ja) 2017-12-28
JP2017227624A5 true JP2017227624A5 (ja) 2021-07-26
JP6938200B2 JP6938200B2 (ja) 2021-09-22

Family

ID=58668725

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017085358A Active JP6938200B2 (ja) 2016-05-10 2017-04-24 アコースティックエミッション試験のための方法及び装置

Country Status (7)

Country Link
US (1) US9989501B2 (ja)
EP (1) EP3244204B1 (ja)
JP (1) JP6938200B2 (ja)
KR (1) KR20170126786A (ja)
CN (1) CN107356669B (ja)
BR (1) BR102017005479A2 (ja)
CA (1) CA2955826C (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8312033B1 (en) 2008-06-26 2012-11-13 Experian Marketing Solutions, Inc. Systems and methods for providing an integrated identifier
US10262362B1 (en) 2014-02-14 2019-04-16 Experian Information Solutions, Inc. Automatic generation of code for attributes
US10564130B2 (en) 2016-05-10 2020-02-18 The Boeing Company Method and apparatus for acoustic emissions testing
US11227001B2 (en) 2017-01-31 2022-01-18 Experian Information Solutions, Inc. Massive scale heterogeneous data ingestion and user resolution
US10801998B2 (en) * 2017-03-13 2020-10-13 University Of South Carolina Identifying structural defect geometric features from acoustic emission waveforms
KR20190127542A (ko) * 2018-05-04 2019-11-13 더 보잉 컴파니 음향 방출 시험을 위한 방법 및 장치
US10963434B1 (en) 2018-09-07 2021-03-30 Experian Information Solutions, Inc. Data architecture for supporting multiple search models
WO2020138549A1 (ko) * 2018-12-27 2020-07-02 울산대학교 산학협력단 음향 방출 결함 신호 검출 장치 및 방법
CN110108803B (zh) * 2019-05-08 2021-10-01 上海航天设备制造总厂有限公司 一种基于声发射传感的搅拌针断针检测的装置及方法
US11941065B1 (en) 2019-09-13 2024-03-26 Experian Information Solutions, Inc. Single identifier platform for storing entity data
DE102020205145A1 (de) 2020-04-23 2021-10-28 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Ermitteln einer Materialinformation
CN112229585B (zh) * 2020-09-18 2022-07-08 长沙理工大学 基于人工智能与声发射技术的裂缝损伤定位方法以及系统
US11880377B1 (en) 2021-03-26 2024-01-23 Experian Information Solutions, Inc. Systems and methods for entity resolution

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4382384A (en) * 1981-06-15 1983-05-10 The Regents Of The University Of California Acoustic penetrometer for subsoil investigation
GB8722262D0 (en) * 1987-09-22 1987-10-28 British Petroleum Co Plc Determining particle size distribution
GB8727178D0 (en) 1987-11-20 1987-12-23 British Petroleum Co Plc Monitoring accoustic emissions
US4901575A (en) * 1988-11-30 1990-02-20 Gp Taurio, Inc. Methods and apparatus for monitoring structural members subject to transient loads
JP2995518B2 (ja) * 1992-08-14 1999-12-27 株式会社日立製作所 学習型異常診断アルゴリズム自動構築方法およびその装置
US5528557A (en) * 1995-08-07 1996-06-18 Northrop Grumman Corporation Acoustic emission source location by reverse ray tracing
US5814729A (en) * 1996-09-09 1998-09-29 Mcdonnell Douglas Corporation System for in-situ delamination detection in composites
JP2000233369A (ja) * 1999-02-15 2000-08-29 Noritake Co Ltd 研削状態監視装置およびドレッシング状態監視装置
US6386038B1 (en) * 1999-11-24 2002-05-14 Lewis, Iii Carl Edwin Acoustic apparatus and inspection methods
US20080059086A1 (en) * 2002-02-21 2008-03-06 Ziyad Duron System and method for determining and detecting stability loss in structures
GB0513901D0 (en) * 2005-07-06 2005-08-10 Airbus Uk Ltd Method and apparatus for measuring the structural integrity of a safe-life aircraft component
JP5028028B2 (ja) * 2006-05-24 2012-09-19 株式会社ジェイテクト アコースティックエミッション検出装置および制御装置
US8190338B2 (en) * 2008-09-02 2012-05-29 The Board Of Regents Of The University Of Oklahoma Method and apparatus for compaction of roadway materials
EP2324336B1 (en) 2008-09-02 2020-03-18 The Board of Regents of the University of Oklahoma Method for compaction of roadway materials
JP6329338B2 (ja) * 2012-04-30 2018-05-23 ゼネラル・エレクトリック・カンパニイ ステータベーンの健全性を監視するためのシステムおよび方法
US10191016B2 (en) * 2012-05-16 2019-01-29 Hidden Solutions Llc Method and system for passive detection, localization and characterization of mechanical wave sources using ultrasonic guided waves
CN103447887B (zh) * 2013-07-23 2016-02-24 杭州电子科技大学 基于金属带锯条声发射特性的锯切负载检测装置及方法

Similar Documents

Publication Publication Date Title
JP2017227624A5 (ja)
JP6938200B2 (ja) アコースティックエミッション試験のための方法及び装置
Baccar et al. Identification and classification of failure modes in laminated composites by using a multivariate statistical analysis of wavelet coefficients
Doan et al. An unsupervised pattern recognition approach for AE data originating from fatigue tests on polymer–composite materials
Ramasso et al. Unsupervised consensus clustering of acoustic emission time-series for robust damage sequence estimation in composites
Onchis et al. Stable and explainable deep learning damage prediction for prismatic cantilever steel beam
CN111044621B (zh) 一种基于声音品质及声学特征的无损检测系统及方法
Okafor et al. Acoustic emission detection and prediction of fatigue crack propagation in composite patch repairs using neural network
Paulraj et al. Structural steel plate damage detection using non destructive testing, frame energy based statistical features and artificial neural networks
Parra dos Anjos Lima et al. Monitoring and fault identification in aeronautical structures using an ARTMAP-fuzzy-wavelet artificial neural network
Satour et al. Wavelet based clustering of acoustic emission hits to characterize damage mechanisms in composites
Tavares et al. Damage detection in lightweight structures using artificial intelligence techniques
JP6725067B2 (ja) 不要部分を除去するためのデジタル画像の処理
Dworakowski et al. Application of artificial neural networks for damage indices classification with the use of Lamb waves for the aerospace structures
US10564130B2 (en) Method and apparatus for acoustic emissions testing
Papacharalampopoulos et al. Experimental Investigation of rubber extrusion process through vibrational testing
JP7272853B2 (ja) アコースティックエミッション試験のための方法及び装置
Ennis et al. Artificial Intelligence-Enabled Crack Length Estimation From Acoustic Emission Signal Signatures
CN110440728B (zh) 一种探测回波智能分析的建筑结构安全监测方法及系统
Braović et al. Evaluation of Transfer Learning Methods for Wood Knot Detection
Lisini Baldi et al. Discriminating different materials by means of vibrations
Rachana et al. 1P3-9 Development of a CNN-based Vibration Data Analysis Framework for Bridge Health Care Monitoring Using SAW Sensors
Monaco et al. Supervised Deep Learning Algorithms for Delaminations Detection on Composites Panels by Wave Propagation Signals Analysis
Sharma et al. Acoustic Sensor-Based Approach for Detecting Damage in Masonry Structures
Viscardi et al. Numerical Simulation For ANN Training and validation For Impact Detection