Improved acoustic source localization method for crack identification in structures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
• An improved AE crack localization method is proposed. • Empirical mode decomposition is first-ever integrated with a source localization model. • The proposed method is free of the use of bulk AE parameters. • The proposed method is verified using a suite of experimental studies with different damage types. Acoustic Emission (AE) monitoring is considered one of the popular non-destructive testing (NDT) methodologies that have been used to predict and identify the location of damage in critical civil infrastructure. In this paper, an improved AE crack localization method is proposed by integrating the empirical mode decomposition (EMD)-based signal decomposition method with a source localization model. Unlike the conventional AE method, the proposed method is free of the use of bulk AE parameters such as counts, rise time, signal strength, and energy. First, EMD is used to minimize the presence of noise in the recorded AE waveforms and extract the key AE components. Then, key AE events are located using the source localization model to localize the crack in concrete structures. The performance of the proposed method is validated experimentally on small and large-scale concrete beams, where the damage is induced using progressive static load testing. In particular, the large-scale beams are designed for flexural and shear mode failure to evaluate the performance of the proposed method under various types of damage. Finally, the results of the proposed method are compared with the traditional method that uses raw AE waveforms and the method that uses bandpass-filtered AE waveforms. The results show higher crack location accuracy of the proposed method than the other methods, which makes it a suitable approach as a crack localization technology.
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.
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 découle