Sensitivity and robustness of signal separation techniques under new set of spectral and energy attributes

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F13%3A00210462" target="_blank" >RIV/68407700:21340/13:00210462 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Sensitivity and robustness of signal separation techniques under new set of spectral and energy attributes

Popis výsledku v původním jazyce

The acoustic emission (AE) defectoscopy principle, based on the acoustic signals generated by materials under load, is used to characterize and identify the damage developments. Reliable identification and classification of pre-localized AE sources is one of the most important and also the most difficult problems in AE monitoring. We measured acoustic emission signals by means of Xedo-5 measuring device with piezo-ceramic sensors. Subsequently we deal with the classification of acoustic emission randomsignals through statistical clustering such as the Fuzzy Clustering Method (FCM) and the Gaussian Mixture Model (GMM). The signals are separated by means of attributes obtained directly from signals or from signal spectrums, e.g.,the maximum module of the Fast Fourier Transform or the energy of signal. We carry out acoustic emission experiment to test the proposed classification attributes and further we perform a computer simulation study in order to find out the robustness and sensitiv

Název v anglickém jazyce

Sensitivity and robustness of signal separation techniques under new set of spectral and energy attributes

Popis výsledku anglicky

The acoustic emission (AE) defectoscopy principle, based on the acoustic signals generated by materials under load, is used to characterize and identify the damage developments. Reliable identification and classification of pre-localized AE sources is one of the most important and also the most difficult problems in AE monitoring. We measured acoustic emission signals by means of Xedo-5 measuring device with piezo-ceramic sensors. Subsequently we deal with the classification of acoustic emission randomsignals through statistical clustering such as the Fuzzy Clustering Method (FCM) and the Gaussian Mixture Model (GMM). The signals are separated by means of attributes obtained directly from signals or from signal spectrums, e.g.,the maximum module of the Fast Fourier Transform or the energy of signal. We carry out acoustic emission experiment to test the proposed classification attributes and further we perform a computer simulation study in order to find out the robustness and sensitiv

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

<a href="/cs/project/LG12020" target="_blank" >LG12020: Využití pokročilé statistické analýzy a nestatistických separačních metod pro detekování fyzikálních procesů v datech snímaných urychlovači elementárních částic.</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

SPMS 2013 Stochastic and Physical Monitoring Systems Proceedings

ISBN

978-80-01-05383-6

ISSN

—

e-ISSN

—

Počet stran výsledku

13

Strana od-do

111-123

Název nakladatele

ČVUT

Místo vydání

Praha

Místo konání akce

Nebřich

Datum konání akce

24. 6. 2013

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—