Eine Plattform für die Wissenschaft: Bauingenieurwesen, Architektur und Urbanistik
Eine Plattform für die Wissenschaft: Bauingenieurwesen, Architektur und Urbanistik
Ein Bispektrum ist ein Amplituden-Frequenz-Spektrum dritter Ordnung, was durch eine Fouriertransformation dritter Ordnung gewonnen wird. Damit lassen sich gaussverteilte Prozesse wie das weiße Rauschen unterdrücken, da alle Spektren mit einer Ordnung höher als 2 Null werden. Mit dieser Methode werden fehlerbehaftete Betonteile untersucht, die einer Schlagbeanspruchung unterworfen wurden. Die Registrierung der Schlagantwort erfolgte mit einem breitbandigen Beschleunigungsmesser (0 bis 50 kHz) und einem Ladungsverstärker. Die Betonproben enthielten Hohlräume und Delaminationen und sollen nach diesen beiden Fehlertypen klassifiziert werden. Vergleichsweise wurden auch fehlerfreie Teile geprüft. Die empfangenen Signale wurden auf ihre Gaußverteilung hin geprüft. Zur Klassifizierung der Fehler diente ein neuronales Netz. Für das Training bei dem Netz wurden reine Schlagsignale und Signale, die mit einem zusätzlichen weißen Gaußrauschen unterlegt waren, herangezogen. Die Fehleridentifizierung nach den beiden Fehlerarten erfolgte mit dieser Methode zu etwa 80 % richtig. Zur weiteren Verbesserung der Methode soll künftig auch das Phasenspektrum ausgewertet werden. (Tietz, H.-D.)
Ein Bispektrum ist ein Amplituden-Frequenz-Spektrum dritter Ordnung, was durch eine Fouriertransformation dritter Ordnung gewonnen wird. Damit lassen sich gaussverteilte Prozesse wie das weiße Rauschen unterdrücken, da alle Spektren mit einer Ordnung höher als 2 Null werden. Mit dieser Methode werden fehlerbehaftete Betonteile untersucht, die einer Schlagbeanspruchung unterworfen wurden. Die Registrierung der Schlagantwort erfolgte mit einem breitbandigen Beschleunigungsmesser (0 bis 50 kHz) und einem Ladungsverstärker. Die Betonproben enthielten Hohlräume und Delaminationen und sollen nach diesen beiden Fehlertypen klassifiziert werden. Vergleichsweise wurden auch fehlerfreie Teile geprüft. Die empfangenen Signale wurden auf ihre Gaußverteilung hin geprüft. Zur Klassifizierung der Fehler diente ein neuronales Netz. Für das Training bei dem Netz wurden reine Schlagsignale und Signale, die mit einem zusätzlichen weißen Gaußrauschen unterlegt waren, herangezogen. Die Fehleridentifizierung nach den beiden Fehlerarten erfolgte mit dieser Methode zu etwa 80 % richtig. Zur weiteren Verbesserung der Methode soll künftig auch das Phasenspektrum ausgewertet werden. (Tietz, H.-D.)
Detection and classification of flaws in concrete structure using bispectra and neural network
Ermittlung und Klassifikation von Fehlern in Betonteilen mittels Bispektren und neuronalen Netzen
NDT&E International ; 35 ; 19-27
2002
9 Seiten, 7 Bilder, 5 Tabellen, 23 Quellen
Aufsatz (Zeitschrift)
Englisch
Bispectra-based impact acoustic non-destructive evaluation
| Tema Archiv | 2009
Observations of bispectra of surface waves in deep and shallow waters
| British Library Conference Proceedings | 1996
"Seeing" flaws in concrete shafts
Online Contents | 1995
Evaluating efficiency of nondestructive detection of flaws in concrete
| Tema Archiv | 2003
Evaluating Efficiency of Nondestructive Detection of Flaws in Concrete
| British Library Online Contents | 2003