Identification of Defects Using Multi-Frequency Eddy Current Technique and Artificial Neural Networks

• Autorzy: Łopato P. , Chady T. , Sikora R.

Warianty tytułu

PL

Wykrywanie defektów w technice wiropradowej przy wykorzystaniu sztucznych sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

Eddy current (EC) testing is a commonly used technique for nondestructive evaluation of conducting materials. Identification of flaws, cracks and other sorts of discontinuities may be realized using Automatic Defect Recognition (ADR) algorithms. This paper presents flaws identification algorithms based on artificial neural networks. Three different approaches are proposed. All presented methods were evaluated using results of measurements achieved for the Inconel 600 plates with the flaws having rectangular and non-rectangular profiles. In all cases reliable results of identification were achieved.

PL

Metoda wiroprądowa jest często stosowaną techniką badań nieniszczących materiałów przewodzących. Identyfikacja wad, pęknięć oraz innych rodzajów nieciągłości może być realizowana przy użyciu algorytmów automatycznego rozpoznawania defektów ADR (ang. Automatic Defect Recognition). W artykule przedstawione są algorytmy identyfikacji wad materiałowych wykorzystujące sztuczne sieci neuronowe. Zaproponowano trzy różne warianty rozwiązania problemu. Przedstawione metody zweryfikowane zostały z wykorzystaniem wyników pomiarów uzyskanych dla płyt wykonanych ze stopu Inconel 600. W płytach wytworzono sztuczne defekty o prostych (prostokątnych) i bardziej złożonych profilach. We wszystkich przypadkach osiągnięto zadowalające wyniki identyfikacji.

Słowa kluczowe

EN

nondestructive testing; artificial neural network; neural identificatin; eddy current testing

PL

badanie nieniszczące; sieć neuronowa; identyfikacja neuronowa; badanie wiroprądowe

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2009
• Tom: R. 85, nr 8
• Strony: 18--22
• Opis fizyczny: Bibliogr. 4 poz., rys., wykr.

Twórcy

autor

Łopato P.

autor

Chady T.

autor

Sikora R.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Katedra Elektrotechniki Teoretycznej i Informatyki,

Bibliografia

• [1] Chady T., Enokizono M., Todaka T., Tsuchida Y., Sikora R., Cracks detection and recognition by using of multi-frequency signal processing and neural networks, Electromagnetic Nondestructive Evaluation (III), Studies in Applied Electromagnetic and Mechanics, vol. 15, IDS Press 1999, pp. 98-107
• [2] Ramuhalli P., Afzal M., Hwang K. T., Udpa S., Udpa L, A Feedback Neural Network Approach for Electromagnetic NDE Signal Inversion, Electromagnetic Nondestructive Evaluation (IV), Studies in Applied Electromagnetic and Mechanics, IOS Press 2000, pp. 1-8
• [3] Chady T., Enokizono M., Sikora R., Todaka T., Y.Tsuchida, Natural Crack Recognition Using Inverse Neural Model and Multi-Frequency Eddy Current Method, IEEE Transaction on Magnetics, vol. 37, July 2001, pp. 2797-2799
• [4] Yusa N., Cheng W., Chen Z., Miya K., Generalized neural network approach to eddy current inversion for real cracks, NDT&E International, vol 35, 2002, pp. 609-614