| Περίληψη: | Στα πλαίσια της παρούσας διπλωματικής εργασίας πραγματοποιείται μελέτη και ανάλυση της μεθόδου ακουστικής εκπομπής (ΑΕ) στα πλαίσια του μη καταστροφικού ελέγχου (ΜΚΕ). Αρχικά παρουσιάζονται και αναλύονται οι δημοφιλέστερες τεχνικές ΜΚΕ καθώς και οι εφαρμογές τους στην βιομηχανία. Στη συνέχεια γίνεται ανάλυση του πιεζοηλεκτρικού φαινομένου καθώς και των βασικών χαρακτηριστικών των πιεζοηλεκτρικών αισθητήρων που χρησιμοποιούνται κατά κόρων στην αναγνώριση σημάτων ΑΕ. Έπειτα γίνεται αναλυτική παρουσίαση της μεθόδου ΑΕ παρουσιάζοντας τα πλεονεκτήματα και τα μειονεκτήματα της μεθόδου σε σχέση με άλλες τεχνικές ΜΚΕ. Αναφέρεται ο τρόπος παραγωγής και διάδοσης των ακουστικών κυμάτων, το φαινόμενο της εξασθένησης, η ταχύτητα διάδοσης καθώς και ο απαραίτητος εξοπλισμός για τη μέτρηση και την επεξεργασία των σημάτων ΑΕ. Περιγράφονται τα διαφορετικά ήδη σημάτων ΑΕ, τα κυριότερα χαρακτηριστικά τους, βάση των οποίων πραγματοποιείται η μελέτη και η ανάλυση αστοχιών, καθώς και μέθοδοι προσομοίωσης σημάτων ΑΕ. Στη συνέχεια παρουσιάζονται διαφορετικές μέθοδοι αναγνώρισης προτύπων, και οι εφαρμογές τους στην καθημερινότητα. Ταυτόχρονα, πραγματοποιείται εκτενής ανάλυση της λειτουργίας μιας διαδικασίας αναγνώρισης προτύπων καθώς και κάποιων αλγόριθμων ταξινόμησης που στη συνέχεια θα χρησιμοποιηθούν για την ταξινόμηση σημάτων ΑΕ. Τέλος έγινε αναφορά στην ψηφιακή επεξεργασία σήματος και στα φίλτρα που χρησιμοποιούνται και ιδιαίτερα στο φίλτρο Goertzel που χρησιμοποιήθηκε και στην πειραματική διαδικασία για προσκόμιση περεταίρω χαρακτηριστικών των σημάτων ΑΕ. Ο σκοπός της πειραματικής διαδικασίας της παρούσας διπλωματικής είναι ο διαχωρισμός και στη συνέχει η ταξινόμηση σημάτων ΑΕ που προέρχονται από διαφορετικές δοκούς μεταλλικής κατασκευής. Για τη δημιουργία των σημάτων προσομοιώθηκε πηγή σημάτων ΑΕ πάνω σε μεταλλική κατασκευή, και για την αναγνώριση αυτών έγινε χρήση πιεζοηλεκτρικών αισθητήρων. Ο αλγόριθμος για την εξαγωγή των παραμέτρων των σημάτων υλοποιήθηκε στο λογισμικό Matlab, όπως και ο αλγόριθμος Goertzel. Τέλος για την ταξινόμηση έγινε χρήση του προγράμματος weka που περιλαμβάνει αλγόριθμους μηχανικής μάθησης και εξόρυξης δεδομένων. Μετά από πειράματα ταξινόμησης με διαφορετικά χαρακτηριστικά παρατηρούμε την ποσότητα πληροφορίας που διαθέτει κάθε χαρακτηριστικό του σήματος και πόσο σημαντικό είναι αυτό για την ταξινόμηση.
|
|---|
