Detection of AE Sources During Long-term Fatigue Tests of Riveted Aircraft Wing Flange
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61388998%3A_____%2F11%3A00366791" target="_blank" >RIV/61388998:_____/11:00366791 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Detection of AE Sources During Long-term Fatigue Tests of Riveted Aircraft Wing Flange
Popis výsledku v původním jazyce
Fracture is the primary threat to the integrity, safety, and performance of nearly all highly stressed mechanical structures, e.g., aircrafts, building units or pressure vessels. Contemporary exacting demands on reliability and safety of material structures are not realizable without effective means of NDT and continuous state monitoring. AE monitoring of structures needs new robust and fast methods for emission source location and classification. Recently proposed AE source location method using so-called signal arrival time profiles and artificial neural networks (ANN) was applied for monitoring of growing defects during long-term fatigue testing of riveted aircraft wing flange. The potentialities of the method regarding the on-line monitoring of dangerous crack growth in selected critical parts of aircraft structures are discussed.
Název v anglickém jazyce
Detection of AE Sources During Long-term Fatigue Tests of Riveted Aircraft Wing Flange
Popis výsledku anglicky
Fracture is the primary threat to the integrity, safety, and performance of nearly all highly stressed mechanical structures, e.g., aircrafts, building units or pressure vessels. Contemporary exacting demands on reliability and safety of material structures are not realizable without effective means of NDT and continuous state monitoring. AE monitoring of structures needs new robust and fast methods for emission source location and classification. Recently proposed AE source location method using so-called signal arrival time profiles and artificial neural networks (ANN) was applied for monitoring of growing defects during long-term fatigue testing of riveted aircraft wing flange. The potentialities of the method regarding the on-line monitoring of dangerous crack growth in selected critical parts of aircraft structures are discussed.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
BI - Akustika a kmity
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2011
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
NDT in Progress 2011
ISBN
978-80-214-4339-6
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
93-98
Název nakladatele
University of Technology Brno
Místo vydání
Brno
Místo konání akce
Praha
Datum konání akce
10. 10. 2011
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—