About: Characterization of acoustic emission sources in steel structures     Goto   Sponge   NotDistinct   Permalink

An Entity of Type : http://linked.opendata.cz/ontology/domain/vavai/Projekt, within Data Space : linked.opendata.cz associated with source document(s)

AttributesValues
rdf:type
rdfs:seeAlso
Description
  • The acoustic emission (AE) signal monitoring during the initiation and advance fracture processes is an important method of nondestructive evaluation of structures under loading. One of the basic problems in an AE signal analysis which are not yet solved is the reliable identification of real parameters of AE source (i.e. the determination of its location, type, and extent ). The goal of suggested project is to develop the AE source characterization method allowing AE source recognition on the basis ofinverse elastodynamic problem solution. The necessary Green functions of investigated bodies will be obtained by analytical, numerical, and experimental way. The inverse problem will be solved by both the precise analytical modelling and empirical model ling using adaptive methods. Adaptive methods based on the artificial neural networks and fuzzy approach will be used. The experimentally detected and digitalized AE signals will be compressed and parametrized by means of the wavelet transform. (en)
  • Sledování signálů akustické emise (AE) při vzniku a rozvoji poruch soudržnosti materiálu, je významnou metodou nedestruktivního hodnocení namáhaných konstrukcí. Základním, dosud neuspokojivě řešeným problémem analýzy signálu AE je spolehlivá identifikaceskutečných parametrů emisního zdroje (tj. určení polohy, typu, rozsahu apod.). Cílem navrhovaného projektu je vypracovat metodiku charakterizace emisních zdrojů, která by na základě detekovaného signálu AE umožnila pravděpodobné rozpoznávání zdrojů. K ř ešení tohoto inverzního elastodynamického problému je třeba znát Greenovy funkce vyšetřovaných těles, které budou získány jak analytickým modelováním pomocí elastodynamických rovnic, tak empirickým modelováním pomocí adaptivních metod. Adaptivní metody budou založeny především na umělých neuronových sítích, síti a fuzzy množinách. Experimentálně detekované, digitalizované signály AE budou redukovány a parametrizovány pomocí waveletové transformace.
Title
  • Characterization of acoustic emission sources in steel structures (en)
  • Charakterizace zdrojů akustické emise v ocelových konstrukcích
skos:notation
  • GA101/97/1074
http://linked.open...avai/cep/aktivita
http://linked.open...kovaStatniPodpora
http://linked.open...ep/celkoveNaklady
http://linked.open...ep/duvernostUdaju
http://linked.open.../cep/fazeProjektu
http://linked.open...ai/cep/hlavniObor
http://linked.open...hodnoceniProjektu
http://linked.open...ep/partnetrHlavni
http://linked.open...inujicichPrijemcu
http://linked.open...cep/pocetPrijemcu
http://linked.open...ocetSpoluPrijemcu
http://linked.open.../pocetVysledkuRIV
http://linked.open...enychVysledkuVRIV
http://linked.open...iciPoslednihoRoku
http://linked.open...atUdajeProjZameru
http://linked.open...usZobrazovaneFaze
http://linked.open...ai/cep/typPojektu
http://linked.open.../cep/vedlejsiObor
http://linked.open...jektu+dodavatelem
  • Závěrečná zpráva shrnuje postup, metodiku a výsledky prací v jednotlivých etapách řešení. Ze srovnání předmětu výzkumu a uvedeného popisu postupu řešení je zřejmé, že byly vytčené cíle splněny. Pomocí MKP a MKD simulačních programů bylo numericky modelov (cs)
http://linked.open...tniCyklusProjektu
is http://linked.open...vavai/riv/projekt of
is http://linked.open...vavai/cep/projekt of
Faceted Search & Find service v1.16.118 as of Jun 21 2024


Alternative Linked Data Documents: ODE     Content Formats:   [cxml] [csv]     RDF   [text] [turtle] [ld+json] [rdf+json] [rdf+xml]     ODATA   [atom+xml] [odata+json]     Microdata   [microdata+json] [html]    About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data] Valid XHTML + RDFa
OpenLink Virtuoso version 07.20.3240 as of Jun 21 2024, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (126 GB total memory, 85 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software