tailieunhanh - EURASIP Journal on Applied Signal Processing 2003:3, 276–286 c 2003 Hindawi Publishing

EURASIP Journal on Applied Signal Processing 2003:3, 276–286 c 2003 Hindawi Publishing Corporation Robust Clustering of Acoustic Emission Signals Using Neural Networks and Signal Subspace Projections Vahid Emamian Department of Electrical & Computer Engineering, University of Minnesota, 200 Union St. SE, Minneapolis, MN 55455, USA Email: emamian@ Mostafa Kaveh Department of Electrical & Computer Engineering, University of Minnesota, 200 Union St. SE, Minneapolis, MN 55455, USA Email: mos@ Ahmed H. Tewfik Department of Electrical & Computer Engineering, University of Minnesota, 200 Union St. SE, Minneapolis, MN 55455, USA Email: tewfik@ Zhiqiang Shi Woodruff School of Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA 30332-0405, USA Email: ShiZ@ Laurence J. Jacobs School. | EURASIP Journal on Applied Signal Processing 2003 3 276-286 2003 Hindawi Publishing Corporation Robust Clustering of Acoustic Emission Signals Using Neural Networks and Signal Subspace Projections Vahid Emamian Department of Electrical Computer Engineering University of Minnesota 200 Union St. SE Minneapolis MN 55455 USA Email emamian@ Mostafa Kaveh Department of Electrical Computer Engineering University of Minnesota 200 Union St. SE Minneapolis MN 55455 USA Email mos@ Ahmed H. Tewfik Department of Electrical Computer Engineering University of Minnesota 200 Union St. SE Minneapolis MN 55455 USA Email tewfik@ Zhiqiang Shi Woodruff School of Mechanical Engineering Georgia Institute of Technology Atlanta GA 30332-0405 USA Email ShiZ@ Laurence J. Jacobs School of Civil Environmental Engineering Georgia Institute of Technology Atlanta GA 30332-0355 USA Email ljacobs@ Jacek Jarzynski Woodruff School of Mechanical Engineering Georgia Institute of Technology Atlanta GA 30332-0405 USA Email Received 5 July 2001 and in revised form 15 August 2002 Acoustic emission-based techniques are being used for the nondestructive inspection of mechanical systems. For reliable automatic fault monitoring related to the generation and propagation of cracks it is important to identify the transient crack-related signals in the presence of strong time-varying noise and other interferences. A prominent difficulty is the inability to differentiate events due to crack growth from noise of various origins. This work presents a novel algorithm for automatic clustering and separation of acoustic emission AE events based on multiple features extracted from the experimental data. The algorithm consists of two steps. In the first step the noise is separated from the events of interest and subsequently removed using a combination of covariance analysis principal component analysis PCA and differential time delay .

• Báo cáo khoa học
• báo cáo khoa học
• báo cáo hóa học
• công trình nghiên cứu về hóa học
• tài liệu về hóa học
• cách trình bày báo cáo
• trình bày báo cáo
• tài liệu báo cáo khoa học
• cách trình bày báo cáo khoa học
• báo cáo khoa học sinh học
• báo cáo khoa học toán học
• luận văn mẫu
• người lính việt nam
• sau chiến tranh
• tuyển tập báo cáo khoa học
• báo cáo ngành triết học
• báo cáo ngành lịch sử
• báo cáo ngành văn học
• nghiên cứu khoa học
• báo cáo về văn học
• báo cáo triết học
• báo cáo văn học
• chuyên đề văn học
• văn học nghệ thuật
• văn học Việt NAm
• báo cáo ngành toán học
• báo cáo ngành vật lý
• báo cáo ngành chăn nuôi
• văn học Trung Hoa
• báo cáo khoa học kinh tế
• Kỷ yếu tóm tắt báo cáo khoa học
• Báo cáo khoa học y học
• Báo cáo y học
• Hội nghị khoa học tim mạch
• Báo cáo khoa học y khoa
• Tăng huyết áp
• báo cáo sinh học
• bảo tồn nguồn gen
• báo cáo ngành kỹ thuật
• Báo cáo quản lý chất thải sinh hoạt
• Báo cáo khoa học môi trường
• Báo cáo khoa học công nghệ
• Nghiên cứu khoa học về môi trường
• Đề tài nghiên cứu khoa học
• Báo cáo nghiên cứu khoa học