Structural Health Monitoring System Using Piezoelectric Networks with Tuned Lamb Waves
Notice bibliographique
Résumé
The paper presents a structural health monitoring system based on propagation of tuned Lamb waves and their interference with discontinuities. The dispersion curves are studied to determine the appropriate type and dimension of transducers and to select the optimum scanning frequencies and relevant propagation modes. A piezoelectric sensor network was implemented in an aluminum plate in order to generate and to sense the wave propagation and associated reflections. The algorithm developed for damage detection relies on the comparison of undamaged and damaged responses of the structure. Combinations of filters and statistical methods were applied to detect differences in the sensor signals acquired for the two different states (damaged and undamaged), corresponding to damage reflections. In order to eliminate the false positives due to noise, a probability analysis is performed to obtain the final damage position. The software designed for the current application allows the automatic calculation of dispersion curves, it executes the scans, performs data processing, executes the detection algorithm and presents the probable damages and their positions in a graphical form. Experiments were performed with the introduction of cumulative damages in the plate such as surface and through-the-thickness holes and cuts, ranging from 7 mm to 1 mm in diameter. Additionally, a stringer was attached to the plate by a single rivet line to simulate an aircraft skin structure. Cuts originating from rivet holes and connecting adjacent rivets, as well as loosened rivets were detected by the system. The introduction of the stringer resulted in a loss of precision in the determination of the radial position of the damages near it. Also, the network revealed significant difficulties in the detection of damages beyond the stringer.
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 ».