Development of an Expert System to Characterize Weld Defects Identified by Ultrasonic Testing
Notice bibliographique
Résumé
Welded structures are examined nondestructively, particularly for critical applications where weld failure can be catastrophic, such as in pressure vessels, load-bearing structural members, and power plants. Ultrasonic Testing (UT) is used in the examination of welds in thinner and thicker gauge materials where the size and location of the flaws are important to detect and interpret. Despite the advantages of the ultrasonic technique, the classification of defects based on ultrasonic signals is still frequently questioned, since the analysis and the identification of defect types depend exclusively on the experience and knowledge of the operator. The problem becomes more acute when high inspection rates, high probability of detection, and low number of false results are required. Thus, the correct classification of the type of flaw present in the material reduces measurement errors, increasing the confidence in the test and consequently the safety of the welded structure during service. In the present study, a new algorithm that allows for the detection and measurement of the length and type of weld defects is proposed. The system is based on a coupled dynamic and static patterns in an A-Scan and uses the defects cited in DIN EN 1713 standard as reference for evaluation. The proposed expert system has been evaluated and validated by examining several specimens containing various types of natural (non-artificial) defects identified in the mentioned standard. The results indicate that, the proposed algorithm has a clear potential in automatic defect detection and presents many advantages to the manual method for defect detection and characterization.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».