Methodology for the Early Detection of Damage Using CEEMDAN-Hilbert Spectral Analysis of Ultrasonic Wave Attenuation
Notice bibliographique
Résumé
Current non-destructive testing (NDT) methods, such as those based on wave velocity measurements, lack the sensitivity necessary to detect early-stage damage in concrete structures. Similarly, common signal processing techniques often assume linearity and stationarity among the signal data. By analyzing wave attenuation measurements using advanced signal processing techniques, mainly Hilbert-Huang transform (HHT), this work aims to enhance the early detection of damage in concrete. This study presents a novel energy-based technique that integrates complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN) and Hilbert spectrum analysis (HSA), to accurately capture nonlinear and nonstationary signal behaviors. Ultrasonic non-destructive testing was performed in this study on manufactured concrete specimens subjected to micro-damage characterized by internal microcracks smaller than 0.5 mm, induced through controlled freeze-thaw cycles. The recorded signals were decomposed from the time domain using CEEMDAN into frequency-ordered intrinsic mode functions (IMFs). A multi-criteria selection strategy, including damage index evaluation, was employed to identify the most effective IMFs while distinguishing true damage-induced energy loss from spurious nonlinear artifacts or noise. Localized damage was then analyzed in the frequency domain using HSA, achieving an up to 88% reduction in wave energy via Marginal Hilbert Spectrum analysis, compared to 68% using Fourier-based techniques, demonstrating a 20% improvement in sensitivity. The results indicate that the proposed technique enhances early damage detection through wave attenuation analysis and offers a superior ability to handle nonlinear, nonstationary signals. The Hilbert Spectrum provided a higher time-frequency resolution, enabling clearer identification of damage-related features. These findings highlight the potential of CEEMDAN-HSA as a practical, sensitive tool for early-stage microcrack detection in concrete.
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 | 0,001 | 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 ».