این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک مدرس، جلد ۱۵، شماره ۵، صفحات ۴۱-۴۸
عنوان فارسی شناسایی و دسته‌بندی نوع عیب توسط امواج هدایت‌شده فراصوت در ورق و لوله به کمک تبدیل موجک و الگوریتم طبقه‌بندی ماشین بردار پشتیبان
چکیده فارسی مقاله در این پژوهش روشی عملی برای تشخیص و دسته‌بندی نوع عیوب در ورق و لوله توسط امواج هدایت‌شده فراصوت ارائه گردیده است. آزمون فراصوت مورد استفاده، روش ارسال-پژواک به وسیله موج لمب می‌باشد که نتایج آ-اسکن این آزمون‌ها مورد استفاده قرار گرفته است. آزمون‌ها بر روی ورق و لوله از جنس آلومینیوم همسانگرد 1050 تمپر 1416 با ضخامت 4/0میلی‌متر انجام شده است. عیوب مورد بررسی در این پژوهش دو نوع عیب شامل عیوب خوردگی و ترک است که از عیوب رایج در خطوط لوله و سازه‌های فلزی مانند بدنه خودرو، سازه‌های هوافضا و غیره می‌باشد. این پژوهش در سه بخش پیاده‌سازی گردیده است. بخش اول آزمون آزمایشگاهی، بخش دوم پردازش سیگنال و در بخش سوم استفاده از الگوریتم طبقه بند مناسب جهت دسته‌بندی سیگنال عیوب بوده است. در مرحله اول با استفاده از موج لمب آزمون‌های متعدد و مختلفی بر روی نمونه‌های استاندارد تهیه‌ شده با عیب مشخص انجام شد که در مراحل بعدی 206 سیگنال حاصل، پس از آن انجام پردازش‌های مناسب به الگوریتم طبقه‌بندی ماشین بردار پشتیبان جهت طبقه‌بندی ارائه گردید. نتایج حاصل از پژوهش پیش رو نشان‌دهنده کارایی الگوریتم پیشنهادی است به طوری که می‌توان با دقت حدود 99 درصد عیب خوردگی را از عیب ترک تمیز داد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Ultrasonic Damage Classification in pipes and plates using Wavelet Transform and SVM
چکیده انگلیسی مقاله In this paper, we proposed a practical method for classifying damages in pipes and plates using ultrasonic guided waves. The A-scan Pulse-Echo lamb wave ultrasonic tests used in this study. Tests accomplished on isotropic 1050 Aluminum with 0.4 mm thickness. Damages studied here were corrosion and crack which is common in pipe lines and steel structures like vehicles body or aerospace structures. This investigation is done in three steps. First step, experimental testing (making standard sample, lamb wave tests), second step, signal processing (window function, normalizing, wavelet function), third step, using the proper algorithm for classification. In first step, 206 ultrasonic lamb wave tests are measured on standard damaged samples (on pipe and plate) and the signals digitalized. After that, these signal processed and classified by classification algorithm. In this the classification algorithm is the support vector machine (SVM). In machine learning, support vector machines are supervised learning models with associated learning algorithms that analyze data and recognize patterns, used for classification and regression analysis. The results show that the corrosion damage can be distinguished from crack damages with 99% accuracy by proposed algorithm.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حمیدرضا ضیایی فر |
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

میلاد امیریان |
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

مجتبی قدسی |
استادیار دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

فرهنگ هنرور |
دانشگاه خواجه نصیر
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

یوسف حجت |
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://mme.modares.ac.ir/article_12545_6f022243870a57cd2d4b768fe6e32d99.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1256/article-1256-228035.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات