Acoustic emission sources localization and identification of complex metallic structures based on nearfield frequency space sparse decomposition
Notice bibliographique
Résumé
Currently, structural health monitoring (SHM) of complex metallic structures based on the localization and identification of acoustic emission (AE) sources has become one of the most common condition monitoring method. However, existing methods are difficulty in accurately localizing and identifying AE sources generated by complex metallic structures that have been surface modified or machined. To overcome this problem, this paper presents a novel architecture named nearfield frequency space sparse decomposition (NFSSD) for localizing AE sources collected from complex metallic structures. Main contributions of the proposed NFSSD are to incorporate the decomposed subbands of AE signal in frequency into the traditional sparse decomposition (SD), which can extract more effective information and improve the identification of coherent AE sources. On this basis, NFSSD-based AE feature extraction scheme is further proposed for improving the accuracy and stability of AE source localization for complex metallic structures. First, all frequency point estimates of the original AE signal used to divide the subbands are obtained, where each frequency corresponds to the center frequency of the subband. Furthermore, the spatial spectrum of each subband signal is solved over the entire spatial domain, and the spatial spectrum of the signal is obtained to estimate the location of AE source. Two experimental results of coordinate-based AE source localization of complex metallic structures indicate that the proposed method has better AE source localization performance compared to conventional localization approaches. Specifically, the results show that the proposed approach can provide an effective theoretical reference for AE-based SHM of complex metallic structures.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».