Broadband generation of ultrasonic guided waves using piezoceramics and sub-band decomposition
Notice bibliographique
Résumé
Classically, damage detection or dispersion curve determination using piezoceramic-generated guided waves has been based on analysis of propagation properties of multiple narrowband excitation signals. However, dispersion and multimodal propagation impair the determination of propagation properties. More recently, it has been proposed to consider broadband excitations for both damage imaging and group velocity estimation. Among existing transducer technologies, although laser excitation is prone to practical limitations in terms of dimensions and generated amplitudes, it allows generation of noncontact, point-like broadband displacement. Thus, broadband generation of guided waves using piezoceramics can be envisioned. However, direct impulse response measurements are limited by the generated amplitude, leading to low SNR measurements. For this purpose, chirp excitations have been proposed using variable-frequency bursts, leading to phase and amplitude variations with respect to the frequency, such that this approach is not suitable for precise estimation of time of flight (ToF) or modal amplitude. In this paper, a sub-band decomposition technique that allows high-SNR measurements of impulse response in a given frequency range is proposed. Broadband excitation is decomposed over a given number of frequency sub-bands, generated by a piezoceramic element and measurement is performed using a laser Doppler vibrometer (LDV) or a piezoceramic sensor. Application to experimental estimation of group velocity and damage detection in pitchcatch configuration is proposed. It is shown that the proposed method allows damage estimation without a priori knowledge of the damage size, whereas narrowband techniques can fail at specific wavelengths.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».