文献

J-GLOBAL ID：201702262312799615   整理番号：17A0450750

改善されたアンサンブル経験的分解法とパルス渦電流試験に基づく隠れた欠陥認識【Powered by NICT】

Hidden defect recognition based on the improved ensemble empirical decomposition method and pulsed eddy current testing

著者 (4件)： Liu Baoling (Jiangxi Province Key Laboratory of Precision Drive & Control, Nanchang Institute of Technology, Nanchang 330099, China) ,  Huang Pingjie (State Key Laboratory of Industrial Control Technology, Department of Control Science & Engineering, Zhejiang University, Hangzhou 310027, China) ,  Zeng Xuan (Jiangxi Province Key Laboratory of Precision Drive & Control, Nanchang Institute of Technology, Nanchang 330099, China) ,  Li Zhinong (Key Laboratory of Nondestructive Testing, Ministry of Education, Nanchang 360063, China)
資料名： NDT & E International  (NDT & E International)
巻： 86  ページ： 175-185  発行年： 2017年 
JST資料番号： A0196A  ISSN： 0963-8695  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文では,改善されたアンサンブル経験的分解(IEEMD)とパルス渦電流(PEC)試験技術に基づく導電性構造中の隠れた欠陥を認識するための新しいアプローチを提案した。第1に,アンサンブル経験的モード分解(EEMD)法はエンベロープフィッティング,端部効果と偽成分に関して改良されている。主限界スペクトルピークから成る特徴ベクトルをHilbert重み付き周波数と特性周波数を用いて抽出した。IEEMD法はより正確な固有モード関数成分(IMF)を得ることができることをシミュレーション信号により検証した。提案した特徴抽出法を雑音とリフトオフのような外乱に対する精度とロバスト性を満たすとレール試験片中の種種の隠れた欠陥を認識する可能性がある。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 雑音 ,  *渦電流検査 ,  *渦電流 ,  ロバスト性 ,  周波数 ,  *分割法 ,  特徴抽出 ,  導電性 ,  レール ,  固有振動数 ,  *パルス ,  特徴ベクトル
準シソーラス用語： リフトオフ ,  固有モード関数 ,  アンサンブル経験的モード分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： 改良型アンサンブル経験的モード分解(IEEMD) ,  パルス渦電流(PEC) ,  限界スペクトル(MS) ,  隠れ欠陥

分類 (1件)： 非破壊試験  (HB02030F)

タイトルに関連する用語 (6件)： アンサンブル ,  経験 ,  分解法 ,  パルス ,  渦電流試験 ,  欠陥