ΔΗΜΟΣΙΕΥΣΕΙΣ ΓΙΑ ΑΚΟΥΣΤΙΚΗ ΕΚΠΟΜΠΗ ΚΑΙ ΜΚΕ

 

Τεχνητή Νοημοσύνη και Νευρωνικά Δίκτυα για την Ανάλυση Σημάτων Ακουστικής Εκπομπής από Μεταλλικές Κατασκευές

 

Πρακτικά 3ου Εθνικού Συνεδρίου της ΕΛΕΜΚΕ, με τίτλο “MKE: Εμπειρίες, Εφαρμογές, Καινοτομίες”, Θεσσαλονίκη, EIM, 9 Ιουνίου 2001, σσ. 107-113.

Vassilios Nikolaidis, Athanassios Anastassopoulos, Apostolos Tsimogiannis, Dimitrios Kouroussis

 

Η ολοένα αυξανόμενες απαιτήσεις για υψηλού επιπέδου ανάλυση δεδομένων, με σκοπό το χαρακτηρισμό και την κατανόηση των διαφόρων πηγών Ακουστικής Εκπομπής που ανιχνεύονται κατά το Μη-Καταστροφικό Έλεγχο κατασκευών, έχει οδηγήσει στην ανάπτυξη επιστημονικών μεθοδολογιών  επεξεργασίας, διαχωρισμού και ομαδοποίησης των εν λόγω δεδομένων. Στο πλαίσιο αυτό, η μέθοδος της Αναγνώρισης Προτύπων (με και χωρίς επίβλεψη) μέσω της χρήσης Τεχνητής Νοημοσύνης και Νευρωνικών Δικτύων αποτελεί σημαντικότατη όσο και καινοτόμο εξέλιξη, η οποία εφαρμόζεται τα τελευταία χρόνια για το διαχωρισμό πηγών Ακουστικής Εκπομπής από διάφορες εφαρμογές. Στην παρούσα εργασία συνοψίζονται βασικές αρχές της Αναγνώρισης Προτύπων δεδομένων Ακουστικής Εκπομπής και παρουσιάζονται χαρακτηριστικά παραδείγματα επιτυχούς διαχωρισμού δεδομένων μέσω εξειδικευμένου λογισμικού Τεχνητής Νοημοσύνης και Νευρωνικών Δικτύων. Από τα παραδείγματα προκύπτει ότι, κατόπιν προσεγμένης επιλογής των κατάλληλων παραμέτρων στους σχετικούς αλγόριθμους, είναι εφικτός ο διαχωρισμός δεδομένων που σχετίζονται με θόρυβο (ηλεκτρομαγνητικός θόρυβος, τριβή, κρούσεις, υδραυλικός θόρυβος κ.α.) από πραγματικά δεδομένα ΑΕ. Συμπερασματικά, γίνεται σαφές ότι η συνδυαστική χρήση κλασσικών μεθόδων ανάλυσης Ακουστικής Εκπομπής (εντοπισμός θέσης, συσχετισμός με φορτίο, στατιστική ανάλυση) με τεχνικές Αναγνώρισης Προτύπων αποτελεί το πιο προηγμένο, αυτή τη στιγμή, εργαλείο για την κατανόηση και φυσική ερμηνεία δεδομένων Ακουστικής Εκπομπής από Μη-Καταστροφικό Έλεγχο υλικών και κατασκευών.