$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

2차원 푸리에변환과 주성분분석을 기반한 초음파 용접검사의 신호분류기법
Classification Technique for Ultrasonic Weld Inspection Signals using a Neural Network based on 2-dimensional fourier Transform and Principle Component Analysis 원문보기

비파괴검사학회지 = Journal of the Korean Society for Nondestructive Testing, v.24 no.6, 2004년, pp.590 - 596  

김재준 (대구대학교 정보통신대학 정보통신공학부)

초록
AI-Helper 아이콘AI-Helper

신경망 기반의 신호 분류 시스템은 비파괴 검사 시 추출되는 많은 양의 데이터를 처리하기 위한 방법으로 꾸준히 이용되고 있다. 비파괴검사 방법 중, 초음파 탐상법은 용접 지역에서 결함들을 찾기 위하여 비파괴 검사에서 일반적으로 사용되고 있는 추세다. 초음파 탐상법의 중요한 특징은 특정 신호에서 발생하는 불연속성을 판별해내는 능력이다. 지금까지의 보편화되어 있는 기술은 신호를 분류하기 위해 각각의 A-scan 신호를 처리하는 반면 본 논문에서는 이웃하는 A-scan 신호의 정보를 기반으로 하는 2차원 푸리에 변환(Fourier transform)과 주성분 분석(principal component analysis) 기법을 이용하여 특징 벡터를 추출, 분류하는 방법을 제시하고자 한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Neural network-based signal classification systems are increasingly used in the analysis of large volumes of data obtained in NDE applications. Ultrasonic inspection methods on the other hand are commonly used in the nondestructive evaluation of welds to detect flaws. An important characteristic of ...

주제어

#용접검사   #신경망   #2차원 푸리에 변환   #주성분 분석  

참고문헌 (13)

  1. P. Ramuhalli, L. Udpa, and S. S. Udpa, 'An Automatic. Signal Classification System for Ultrasonic Weld Inspection Signals,' Materials Evaluation, Vol. 58, No.1, pp. 85-89, (2000) 

  2. S. J. Song and Y. K. Shin, 'Eddy Current Flaw Characterization in Tubes by Neural Networks and Finite Element Modeling,' NDT International. Vol. 33, No.4, pp. 233-243, (2000) 

    상세보기 crossref

  3. J. H. Krautkramer, Ultrasonic Testing of Materials, 4th Edition, New York, Springer-Verlag, (1990) 

  4. 이철구, 용접공학, 청문각, (2002) 

  5. R. Polikar, L. Udpa, S. S. Udpa, and T. Taylor, 'Frequency Invariant Classification of Ultrasonic Weld Inspection Signals,' IEEE Trans. Ultrasonics, Ferroelectrics and Frequency Control, Vol. 45, No.3, pp. 614-625, (1998) 

    상세보기 crossref

  6. Neural Networks and Semi-Automatic Scanners for NDE Applications, EPRI TR-107119, EPRI Final Report, (1996) 

  7. J. L. Rose, M. J. Avioli, and M. E. Lapides, 'A Physically Modeled Feature Based Ultrasonic System for IGSCC Classification,' Material Evaluation, Vol. 40. No. 13, pp. 1367-1383, (1982) 

  8. S. F. Burch, 'A Physical Approach to the Automated Ultrasonic Characterization of Buried Weld Defects in Ferritic Steel,' NDT International. Vol. 19, No.3, pp. 145-153, (1986) 

    상세보기 crossref

  9. Rafael C. Gonzalez and Richard E. Woods, Digital Image Processing, Reading, MA: Addison-Wesley Publishing, (1992) 

  10. Haykin Simon, Neural Networks, Prentice Hall, (1994) 

  11. Looney, Carl G., Pattern Recognition Using Neural Networks : Theory and Algorithms for Engineers and Scientists, Oxford, (1991) 

  12. Erkki Oja. 'Neural Networks, Principal Components, and Subspaces,' International Journal of Neural Systems, Vol. 1, No. 1, pp. 61-68, (1989) 

    상세보기 crossref

  13. W. K. Pratt, Digital Image Processing, John Wiley & Sons, Inc., New York, (2001) 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로