Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/10735
Title: Ταξινόμηση φαινομένων ακουστικής εκπομπής σε περιβάλλον υψηλής στάθμης θορύβου
Other Titles: Classification of acoustic emission signals in noise environment
Authors: Αλφόνσος, Κωνσταντίνος
Keywords: Ακουστική εκπομπή
Πιεζοηλεκτρικοί κρύσταλλοι
Αλγόριθμος Goertzel
Ταξινόμηση σημάτων
Αλγόριθμος Κ*
Μη καταστροφικός έλεγχος
Matlab
Keywords (translated): Acoustic emission
Piezoelectric crystals
Weka 3.8
Goertzel algorithm
Signal classification
K* algorithm
Non destructive testing
Matlab
Abstract: Στα πλαίσια της παρούσας διπλωματικής εργασίας πραγματοποιείται μελέτη και ανάλυση της μεθόδου ακουστικής εκπομπής (ΑΕ) στα πλαίσια του μη καταστροφικού ελέγχου (ΜΚΕ). Αρχικά παρουσιάζονται και αναλύονται οι δημοφιλέστερες τεχνικές ΜΚΕ καθώς και οι εφαρμογές τους στην βιομηχανία. Στη συνέχεια γίνεται ανάλυση του πιεζοηλεκτρικού φαινομένου καθώς και των βασικών χαρακτηριστικών των πιεζοηλεκτρικών αισθητήρων που χρησιμοποιούνται κατά κόρων στην αναγνώριση σημάτων ΑΕ. Έπειτα γίνεται αναλυτική παρουσίαση της μεθόδου ΑΕ παρουσιάζοντας τα πλεονεκτήματα και τα μειονεκτήματα της μεθόδου σε σχέση με άλλες τεχνικές ΜΚΕ. Αναφέρεται ο τρόπος παραγωγής και διάδοσης των ακουστικών κυμάτων, το φαινόμενο της εξασθένησης, η ταχύτητα διάδοσης καθώς και ο απαραίτητος εξοπλισμός για τη μέτρηση και την επεξεργασία των σημάτων ΑΕ. Περιγράφονται τα διαφορετικά ήδη σημάτων ΑΕ, τα κυριότερα χαρακτηριστικά τους, βάση των οποίων πραγματοποιείται η μελέτη και η ανάλυση αστοχιών, καθώς και μέθοδοι προσομοίωσης σημάτων ΑΕ. Στη συνέχεια παρουσιάζονται διαφορετικές μέθοδοι αναγνώρισης προτύπων, και οι εφαρμογές τους στην καθημερινότητα. Ταυτόχρονα, πραγματοποιείται εκτενής ανάλυση της λειτουργίας μιας διαδικασίας αναγνώρισης προτύπων καθώς και κάποιων αλγόριθμων ταξινόμησης που στη συνέχεια θα χρησιμοποιηθούν για την ταξινόμηση σημάτων ΑΕ. Τέλος έγινε αναφορά στην ψηφιακή επεξεργασία σήματος και στα φίλτρα που χρησιμοποιούνται και ιδιαίτερα στο φίλτρο Goertzel που χρησιμοποιήθηκε και στην πειραματική διαδικασία για προσκόμιση περεταίρω χαρακτηριστικών των σημάτων ΑΕ. Ο σκοπός της πειραματικής διαδικασίας της παρούσας διπλωματικής είναι ο διαχωρισμός και στη συνέχει η ταξινόμηση σημάτων ΑΕ που προέρχονται από διαφορετικές δοκούς μεταλλικής κατασκευής. Για τη δημιουργία των σημάτων προσομοιώθηκε πηγή σημάτων ΑΕ πάνω σε μεταλλική κατασκευή, και για την αναγνώριση αυτών έγινε χρήση πιεζοηλεκτρικών αισθητήρων. Ο αλγόριθμος για την εξαγωγή των παραμέτρων των σημάτων υλοποιήθηκε στο λογισμικό Matlab, όπως και ο αλγόριθμος Goertzel. Τέλος για την ταξινόμηση έγινε χρήση του προγράμματος weka που περιλαμβάνει αλγόριθμους μηχανικής μάθησης και εξόρυξης δεδομένων. Μετά από πειράματα ταξινόμησης με διαφορετικά χαρακτηριστικά παρατηρούμε την ποσότητα πληροφορίας που διαθέτει κάθε χαρακτηριστικό του σήματος και πόσο σημαντικό είναι αυτό για την ταξινόμηση.
Abstract (translated): The objective of this thesis is the study and analysis of acoustic emission method (AE) as a Non Destructive Testing (NDT) technique. At the start of the thesis, we present and analyze the most popular NDT techniques and their applications in industry. Then an analysis is made of the piezoelectric effect and the main features of piezoelectric sensors used in acoustic emission testing. An extensive presentation of the AE method follows, showing the advantages and disadvantages of the method compared to other Non-Destructive techniques. A way to produce and propagate acoustic emission waves is shown, attenuation and wave velocity, and the necessary equipment for measuring and processing of AE signals. The different types of AE signals as well as their basic parameters used to detect and identify several structural faults are reported. Different methods of pattern recognition are presented as well as their applications in everyday life. At the same time an extensive analysis is made of the functioning of a pattern recognition process. Several classification algorithms are presented witch will then be used to classify AE signals. Finally, we emphasize the utility of digital signal processing, and present the filters used, particularly the Goertzel filter which is used in the experimental procedure. We use the Goertzel filter to get more features that identify each signal. The purpose of the experimental procedure is the division and classification of AE signals that originate from different joists of a metal structure. An AE source was simulated on a metal construction to generate the signals, which will then be recognized from piezoelectric sensors. The algorithm for extracting the signal parameters, and the Goertzel algorithm were implemented in Matlab software. For the signal classification the software weka was used, which includes machine learning algorithms and is capable of data mining. After sorting experiments with different signal features, we observe the amount of information that every feature contains and how important that is for the classification process.
Appears in Collections:Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)

Files in This Item:
File Description SizeFormat 
Διπλωματική_Κωνσταντίνος_Αλφόνσος.pdf3.82 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons