RU2671152C1 - Acoustic emission signal processing method - Google Patents
Acoustic emission signal processing method Download PDFInfo
- Publication number
- RU2671152C1 RU2671152C1 RU2017126040A RU2017126040A RU2671152C1 RU 2671152 C1 RU2671152 C1 RU 2671152C1 RU 2017126040 A RU2017126040 A RU 2017126040A RU 2017126040 A RU2017126040 A RU 2017126040A RU 2671152 C1 RU2671152 C1 RU 2671152C1
- Authority
- RU
- Russia
- Prior art keywords
- signal
- pulses
- structural stability
- acoustic emission
- wavelet
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
Description
Изобретение может быть использовано для обработки сигналов акустической эмиссии. The invention can be used to process acoustic emission signals.
Сущность изобретения заключается в том, что в способе обработки сигнала, полученном с датчиков АЭ, пропускают через цифровой полосовой фильтр, декомпозируют сигнал на полезную и шумовую составляющую на разных уровнях с помощью Wavelet фильтра, строят огибающую сигнала с помощью преобразования Гильберта и последующим сглаживанием при помощи средней скользящей функции, проводят детектирование импульсов с определением параметров времени зарождения импульса (Т), максимальной амплитуды (А), продолжительности (τ), энергии (P), энтропии (Е) и фрактальной размерности (D), строится аттрактор и wavelet скалограмма, полученные характеристики импульсов и обработанный сигнал записываются в специальную базу данных структурной устойчивости материалов.The essence of the invention lies in the fact that in the method of processing the signal received from the AE sensors, they are passed through a digital band-pass filter, the signal is decomposed into the useful and noise components at different levels using the Wavelet filter, the signal envelope is constructed using the Hilbert transform and then smoothing using the average moving function, the pulses are detected with the determination of the parameters of the pulse nucleation time (T), maximum amplitude (A), duration (τ), energy (P), entropy (E) and fraction of the total dimension (D), the attractor and wavelet scalogram are built, the obtained characteristics of the pulses and the processed signal are recorded in a special database of structural stability of materials.
Изобретение относится к области обработки сигналов акустическими методами и может быть использовано для выявления дефектов и контроля деталей по сигналам акустической эмиссии (АЭ).The invention relates to the field of signal processing by acoustic methods and can be used to detect defects and control parts according to acoustic emission signals (AE).
Известен способ (А.С. N1237915, кл. G 01 Н 11/00, 1986 г.) выделения огибающей виброакустического сигнала, согласно которому с вибросигналом производят высокочастотную фильтрацию, а низкочастотную фильтрацию выполняют после его детектирования. Устройство для реализации способа включает первичный измерительный преобразователь акустических сигналов в электрические - датчик вибросигнала, устанавливаемый на диагностируемом узле машины, согласующее устройство выходных параметров датчика вибросигнала с линией связи и входом измерительного блока, содержащего высокочастотный фильтр, детектор огибающей и низкочастотный фильтр гармонических составляющих от импульсов огибающих, выполняющий функцию гармонического спектроанализатора. Способ выделения огибающей с представлением результатов в виде спектров, получаемых от спектрального анализа огибающих, используется для выявления неисправностей в подшипниках качения, механизмах с зубчатыми зацеплениями и в других, в которых при их неисправностях возникают удары.A known method (A.S. N1237915, class G 01 H 11/00, 1986) separates the envelope of the vibroacoustic signal, according to which high-pass filtering is performed with the vibro-signal, and low-pass filtering is performed after its detection. A device for implementing the method includes a primary measuring transducer of acoustic signals into electric ones - a vibration signal sensor installed on the machine’s diagnosed node, a matching device for the output parameters of the vibration signal sensor with a communication line and the input of the measuring unit containing a high-pass filter, an envelope detector and a low-pass filter of harmonic components from envelope pulses performing the function of a harmonic spectrum analyzer. The method of envelope isolation with the representation of the results in the form of spectra obtained from spectral analysis of the envelopes is used to detect malfunctions in rolling bearings, gear mechanisms and others, in which shocks occur during their malfunctions.
Недостатком устройств по данному способу выделения огибающих и с выполнением низкочастотной фильтрации сигнала после его детектирования является отсутствие дифференциального амплитудного селектора импульсов огибающей вибросигнала, что не позволяет выполнять совмещенный анализ функции плотности распределения вероятностей частот следования импульсов ударов по их амплитудам и функции плотности распределения вероятности длительности интервалов следования между смежными равновеликими импульсами ударов, поскольку при выполнении спектрального анализа огибающих вибросигнала спектральные линии одинаковых частот следования импульсов представляются в виде усредненной спектральной линии, тем самым не обеспечиваются прослеживание за изменениями отдельных амплитуд импульсов ударов в процессе работы механизма и наглядное представление об изменениях, происходящих в контролируемом узле машины, что требует для этих целей привлечения дополнительных специальных средств контроля.The disadvantage of devices for this method of envelope extraction and performing low-frequency filtering of the signal after its detection is the absence of a differential amplitude selector of the envelope pulses of the vibrating signal, which does not allow the combined analysis of the probability density function of the repetition frequency of shock pulses by their amplitudes and the probability density function of the duration of the repetition intervals between adjacent equal impact pulses, since when performing with of spectral analysis of envelopes of a vibrosignal, spectral lines of the same pulse repetition frequencies are represented as an average spectral line, thereby not tracking changes in individual amplitudes of impact pulses during the operation of the mechanism and a visual representation of the changes occurring in the controlled machine node, which requires attracting for these purposes additional special means of control.
Наиболее близким из известных технических решений является устройство (Патент РФ N2125716, кл. G 01 H 17/00, 1999 г.) для виброакустической диагностики, содержащее входные цепи, включающие датчик вибросигнала и согласующее устройство, соединенные посредством линии связи с измерительным блоком, содержащим масштабный усилитель, соединенный с подготовительным преобразователем формы вибросигнала с выделением его огибающей, фильтрами и детектором, соединенным с блоком измерительного преобразователя и индикатором регистрации результатов измерения на диаграмме, где при этом его подготовительный преобразователь снабжен двухуровневым дифференциальным амплитудным селектором импульсов огибающей вибросигнала, первый сигнальный вход которого соединен с выходом детектора огибающей, а его второй вход (задания предельных уровней напряжений селекции) с выходом автоматического устройства, что обеспечивает построение на диаграмме графика функции плотности распределения вероятностей амплитуд импульсов ударов, возбуждаемых дефектами машины, по частотам их следования.The closest known technical solutions is a device (RF Patent N2125716, class G 01 H 17/00, 1999) for vibro-acoustic diagnostics, comprising input circuits including a vibration signal sensor and a matching device connected via a communication line to a measuring unit containing large-scale amplifier connected to the preparatory transducer of the form of the vibration signal with the allocation of its envelope, filters and a detector connected to the unit of the measuring transducer and an indicator for recording the measurement results in the diagram, where at the same time its preparatory converter is equipped with a two-level differential amplitude pulse selector of the envelope of the vibration signal, the first signal input of which is connected to the output of the envelope detector, and its second input (setting the limiting levels of selection voltage) with the output of the automatic device, which ensures the construction of a function graph on the diagram the probability density distribution of the amplitudes of the impulses of the shocks excited by the defects of the machine, according to their frequencies.
Недостатком данного устройства является то, что при анализе плотности распределения вероятностей амплитуд импульсов ударов по частотам их следования не учитываются нарушения равномерности их поступлений во времени, поскольку вычисляется только их средняя частота следования как отношение числа импульсов к единице времени проведения измерений, т.е. не учитываются изменения величин интервалов времени, с которыми поступают импульсы ударов в зависимости от их амплитуд, что особо важно при диагностировании работы узлов, содержащих подшипники качения.The disadvantage of this device is that when analyzing the probability density distribution of the amplitudes of the shock pulses by their repetition frequencies, violations of the uniformity of their receipts in time are not taken into account, since only their average repetition rate is calculated as the ratio of the number of pulses to the unit of measurement time, i.e. changes in the values of time intervals with which shock pulses are received depending on their amplitudes are not taken into account, which is especially important when diagnosing the operation of units containing rolling bearings.
Известные устройства не обеспечивают технический уровень и потребность в графическом изображении функции плотности распределения вероятности длительности интервалов следования между смежными равновеликими импульсами ударов, что не достигается спектральным анализом и способом построения графиков функций распределения плотности вероятностей амплитуд импульсов ударов по частотам их следования, поскольку в подшипниках качения с динамической нагрузкой дефекты, возникающие на беговых дорожках в виде трещин и раковин, возбуждают импульсы ударов с переменными амплитудами и с неравномерным распределением интервалов во времени между ними.Known devices do not provide the technical level and the need for a graphical representation of the probability density function of the duration of the repetition intervals between adjacent equal impact pulses, which is not achieved by spectral analysis and the method of constructing graphs of the probability density distribution of shock impulse amplitudes over their repetition frequencies, since in rolling bearings with dynamic loading defects that occur on treadmills in the form of cracks and shells, excite impu sy strokes with variable amplitudes and the uneven distribution of the intervals of time between them.
Задачей изобретения является улучшение обработки сигнала АЭ, позволяющее выявлять и классифицировать импульсы в сигнале АЭ с использованием подходов нелинейной динамики и искусственного интеллекта, и прогнозировать структурную устойчивости материалов.The objective of the invention is to improve the processing of the AE signal, which allows to identify and classify pulses in the AE signal using approaches of nonlinear dynamics and artificial intelligence, and to predict the structural stability of materials.
Указанная задача решается за счет того, что в способе обработки сигнала, полученном с датчиков АЭ, пропускают через цифровой полосовой фильтр, декомпозируют сигнал на полезную и шумовую составляющую на разных уровнях с помощью Wavelet фильтра, строят огибающую сигнала с помощью преобразования Гильберта и последующим сглаживанием при помощи средней скользящей функции, проводят детектирование импульсов с определением параметров времени зарождения импульса (Т), максимальной амплитуды (А), продолжительности (τ), энергии (P), энтропии (Е) и фрактальной размерности (D), строится аттрактор и wavelet скалограмма и полученные характеристики импульсов и сами импульсы записываются в специальную базу данных структурной устойчивости материалов.This problem is solved due to the fact that in the method of processing the signal received from the AE sensors, they are passed through a digital band-pass filter, the signal is decomposed into the useful and noise components at different levels using the Wavelet filter, the signal envelope is constructed using the Hilbert transform and subsequent smoothing with using the average moving function, the pulses are detected to determine the parameters of the pulse nucleation time (T), maximum amplitude (A), duration (τ), energy (P), entropy (E) and the fraction noy dimension (D), the attractor is constructed and wavelet scalogram and the obtained pulse characteristics themselves pulses recorded on a special base structural materials stability data.
Техническим результатом изобретения является высокая степень распознавания получаемой информации, определение параметров сигнала АЭ, создание базы данных структурной устойчивости материалов. Информация из полученной БД используется для обучения искусственной нейронной сети для задачи кластеризации.The technical result of the invention is a high degree of recognition of the received information, determination of the AE signal parameters, creation of a database of structural stability of materials. Information from the obtained database is used to train an artificial neural network for the task of clustering.
Технический результат достигается тем, что способ обработки сигнала АЭ, основанный на том, что сигнал, полученный с датчиков АЭ, пропускают через цифровой полосовой фильтр, декомпозируют сигнал на полезную и шумовую составляющую на разных уровнях с помощью Wavelet фильтра, строят огибающую сигнала с помощью преобразования Гильберта и последующим сглаживанием при помощи средней скользящей функции, но детектирование импульсов проводят с определением параметров времени зарождения импульса (Т), максимальной амплитуды (А), продолжительности (τ), энергии (P), энтропии (Е) и фрактальной размерности (D), строится аттрактор и wavelet скалограмма и полученные характеристики импульсов и сами импульсы записываются в специальную базу данных структурной устойчивости материалов, информация из полученной БД используется для обучения искусственной нейронной сети для задачи кластеризации где происходит классификация импульсов. Полученные классы импульсов характеризуют определенные физико-механические процессы протекающие в ходе разрушения материала и на их основе происходит прогнозирование структурной устойчивости.The technical result is achieved by the fact that the method of processing the AE signal, based on the fact that the signal received from the AE sensors, is passed through a digital band-pass filter, decomposing the signal into the useful and noise components at different levels using the Wavelet filter, constructing the signal envelope using conversion Hilbert and subsequent smoothing using the average moving function, but the detection of pulses is carried out with the determination of the parameters of the pulse nucleation time (T), maximum amplitude (A), duration (τ ), energy (P), entropy (E) and fractal dimension (D), an attractor and wavelet scalogram are built and the obtained characteristics of the pulses and the pulses themselves are recorded in a special database of structural stability of materials, information from the obtained database is used to train an artificial neural network for clustering problems where the classification of impulses occurs. The resulting classes of pulses characterize certain physical and mechanical processes that occur during the destruction of the material and on their basis there is a prediction of structural stability.
Сущность изобретения рассматривается на примере обработке сигнала АЭ при растяжении образца из стали 45 (Фиг.1).The invention is considered by the example of processing the AE signal by stretching a sample of steel 45 (Figure 1).
Схема подключения и регистрации сигнала с датчиков АЭ, вибрации, температурных и тензодатчиков показана на фиг.2. The connection and registration of the signal from the sensors AE, vibration, temperature and strain gauges shown in figure 2.
На фиг.2 обозначены: 1 – датчик АЭ, 2 – вибрационный кабель, 3 - согласующее устройство, 4 – блок питания, 5 – разъем BNC, 6 – АЦП, 7 – разъем USB, 8 – вычислительное устройство с разработанным ПО.Figure 2 indicates: 1 - AE sensor, 2 - vibration cable, 3 - matching device, 4 - power supply, 5 - BNC connector, 6 - ADC, 7 - USB connector, 8 - computing device with developed software.
Принципиальная схема ПО выявления и классификация импульсов в сигнале АЭ с использованием подходов нелинейной динамики и искусственного интеллекта, при диагностике структурной устойчивости материалов следующая:The schematic diagram of the software for detecting and classifying pulses in an AE signal using the approaches of nonlinear dynamics and artificial intelligence in the diagnosis of structural stability of materials is as follows:
Полученный сигнал с датчиков виброакустической эмиссии передается АЦП акустической эмиссии, затем поступает на обработку в вычислительную систему.The received signal from the sensors of vibroacoustic emission is transmitted by the ADC of acoustic emission, then it is fed to the processing system for processing.
Обработку принятого сигнала производят следующим образом. Сигнал, полученный с датчиков АЭ, пропускают через цифровой полосовой фильтр, ограничивающий полосу пропускания 100 – 800 кГц, декомпозируют сигнал на полезную и шумовую составляющие на разных уровнях с помощью Wavelet фильтра, строят огибающую сигнала с помощью преобразования Гильберта и последующим сглаживанием при помощи средней скользящей функции, проводят детектирование импульсов с определением параметров: времени зарождения импульса (Т), максимальной амплитуды (А), продолжительности (τ), энергии (P), энтропии (Е) и фрактальной размерности (D), строится аттрактор и wavelet скалограмма и полученные характеристики импульсов и сами импульсы записываются в специальную базу данных структурной устойчивости материалов. Информация из полученной БД используется для обучения искусственной нейронной сети для задачи кластеризации, где происходит классификация импульсов. Полученные классы импульсов характеризуют определенные физико-механические процессы, протекающие в ходе разрушения материала, и на их основе происходит прогнозирование структурной устойчивости. Processing the received signal is as follows. The signal received from the AE sensors is passed through a digital bandpass filter that limits the bandwidth of 100 - 800 kHz, the signal is decomposed into useful and noise components at different levels using the Wavelet filter, the signal envelope is constructed using the Hilbert transform, and then smoothed using a moving average functions, carry out the detection of pulses with the definition of parameters: pulse nucleation time (T), maximum amplitude (A), duration (τ), energy (P), entropy (E) and fractal dimension (D), an attractor and wavelet scalogram are built, and the obtained characteristics of the pulses and the pulses themselves are recorded in a special database of structural stability of materials. The information from the obtained database is used to train an artificial neural network for the clustering problem, where the pulses are classified. The resulting classes of pulses characterize certain physical and mechanical processes that occur during the destruction of the material, and on their basis there is a prediction of structural stability.
Было разработано аппаратное и программное обеспечение для исследования структурных перестроек в металлических материалах при их деформации, в частности в условиях низких температур, для фрактального анализа сигналов акустической эмиссии (АЭ).Hardware and software were developed for studying structural rearrangements in metallic materials during their deformation, in particular at low temperatures, for fractal analysis of acoustic emission signals (AE).
Данный способ обработки сигнала обладает высокой степенью распознавания получаемой информации, определение параметров сигнала АЭ, создание базы данных структурной устойчивости материалов. Информация из полученной БД используется для обучения искусственной нейронной сети для задачи кластеризации.This method of signal processing has a high degree of recognition of the information received, determining the parameters of the AE signal, creating a database of structural stability of materials. Information from the obtained database is used to train an artificial neural network for the task of clustering.
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2017126040A RU2671152C1 (en) | 2017-07-20 | 2017-07-20 | Acoustic emission signal processing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2017126040A RU2671152C1 (en) | 2017-07-20 | 2017-07-20 | Acoustic emission signal processing method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2671152C1 true RU2671152C1 (en) | 2018-10-29 |
Family
ID=64103093
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2017126040A RU2671152C1 (en) | 2017-07-20 | 2017-07-20 | Acoustic emission signal processing method |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2671152C1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109682677A (en) * | 2018-12-29 | 2019-04-26 | 上海工程技术大学 | A kind of fibrous fracture acoustic emission analysis method based on Hilbert-Huang transform |
| RU2737235C1 (en) * | 2020-03-26 | 2020-11-26 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Комсомольский-на-Амуре государственный университет" (ФГБОУ ВО "КнАГУ") | Method of identifying sources of acoustic emission |
| CN114894900A (en) * | 2022-07-12 | 2022-08-12 | 泉州装备制造研究所 | A measuring method for ultrasonic nondestructive measurement of alloy hardened layer depth |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62196418A (en) * | 1986-02-21 | 1987-08-29 | Mitsubishi Heavy Ind Ltd | Method for detecting abnormality in bearing |
| RU2125716C1 (en) * | 1997-02-26 | 1999-01-27 | Волгоградский государственный технический университет | Gear for vibroacoustic diagnostics of machines |
| RU2269772C1 (en) * | 2004-06-08 | 2006-02-10 | Московский государственный технический университет "МАМИ" | Method for acoustic-emissive control of corrosion under voltage |
| RU2537747C1 (en) * | 2013-05-27 | 2015-01-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Сибирский государственный университет путей сообщения" (СГУПС) | Acoustic-emission method to diagnose metal structures |
-
2017
- 2017-07-20 RU RU2017126040A patent/RU2671152C1/en not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62196418A (en) * | 1986-02-21 | 1987-08-29 | Mitsubishi Heavy Ind Ltd | Method for detecting abnormality in bearing |
| RU2125716C1 (en) * | 1997-02-26 | 1999-01-27 | Волгоградский государственный технический университет | Gear for vibroacoustic diagnostics of machines |
| RU2269772C1 (en) * | 2004-06-08 | 2006-02-10 | Московский государственный технический университет "МАМИ" | Method for acoustic-emissive control of corrosion under voltage |
| RU2537747C1 (en) * | 2013-05-27 | 2015-01-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Сибирский государственный университет путей сообщения" (СГУПС) | Acoustic-emission method to diagnose metal structures |
Non-Patent Citations (1)
| Title |
|---|
| И.Л.Лаптев, Д.А.Шатагин, С.В.Серый, Е.Н.Бурдасов, Фрактальный и вэйвлет-анализ при диагностике динамики процесса резания и износа инструмента, Труды Нижегородского государственного технического университета им. Р.Е.Алексеева, N 1 (98), Нижний Новгород, 2013, стр. 94-103. Ю.Г.Кабалдин, Квантовая модель трещинообразования в металлических материалах при усталостном нагружении, Труды Нижегородского государственного технического университета им. Р.Е.Алексеева, N 4 (97), Нижний Новгород, 2012, стр. 133-141. О.В.Башков, Н.А.Семашко, Акустическая эмиссия при смене механизмов деформации пластичных конструкционных материалов, Физическая мезомеханика, выпуск N 7, том 6, 2004, стр. 59-62. * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109682677A (en) * | 2018-12-29 | 2019-04-26 | 上海工程技术大学 | A kind of fibrous fracture acoustic emission analysis method based on Hilbert-Huang transform |
| RU2737235C1 (en) * | 2020-03-26 | 2020-11-26 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Комсомольский-на-Амуре государственный университет" (ФГБОУ ВО "КнАГУ") | Method of identifying sources of acoustic emission |
| CN114894900A (en) * | 2022-07-12 | 2022-08-12 | 泉州装备制造研究所 | A measuring method for ultrasonic nondestructive measurement of alloy hardened layer depth |
| CN114894900B (en) * | 2022-07-12 | 2022-09-13 | 泉州装备制造研究所 | Method for measuring depth of alloy hardening layer by ultrasonic nondestructive measurement |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2671152C1 (en) | Acoustic emission signal processing method | |
| CN103649778B (en) | Method and device for automatically detecting marine animals | |
| RU2709414C1 (en) | Method of recording and analyzing acoustic emission signals in a system for diagnostic monitoring of production facilities | |
| RU2570592C1 (en) | Method of detecting and analysing acoustic emission signals | |
| CN103033567B (en) | Pipeline defect signal identification method based on guided wave | |
| CN106323452A (en) | A detection method and detection device for abnormal sound of equipment | |
| CN113140229A (en) | Sound detection method based on neural network, industrial acoustic detection system and method | |
| Leo et al. | Identification of defective areas in composite materials by bivariate EMD analysis of ultrasound | |
| CN103852523A (en) | System and method for judging structural damage type of prestress concrete beam based on acoustic emission technique | |
| CN103543210A (en) | Pressurized pneumatic transmission flow type detection device and method based on acoustic emission technology | |
| CN109934136A (en) | Fault diagnosis method of rolling bearing based on Duffing oscillator and eigenmode components | |
| CN102059255B (en) | Early fault weak characteristic extracting method for high speed wire rolling mill | |
| RU2737235C1 (en) | Method of identifying sources of acoustic emission | |
| Sudheera et al. | Application of hilbert transform for flaw characterization in ultrasonic signals | |
| Wu et al. | Blind multiridge detection for automatic nondestructive testing using ultrasonic signals | |
| CN116840345A (en) | Acoustic wave quality inspection device | |
| RU2331893C1 (en) | Method of discrete component separation in signal spectre and device for its implementation | |
| SU1606910A1 (en) | Method of determining condition of machine units | |
| WANG et al. | Research on feature extraction of remnant particles of aerospace relays | |
| RU2125716C1 (en) | Gear for vibroacoustic diagnostics of machines | |
| CN113326589A (en) | Sensitive feature screening method and device and storage medium | |
| CN118817828B (en) | Method and system for non-invasive liquid detection | |
| RU2547504C1 (en) | Method of defects identification in vehicle assemblies and equipment in real time, and device for its implementation | |
| CN118641646B (en) | Brick quality detection method and device for building construction | |
| KR102490553B1 (en) | Nondestructive inspection method using acoustic emission signal |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20190721 |