[Zurück]

F. Rauscher:
"Using X22-Correlation for Sub-clustering and Relative Location of Acoustic Emission Signals";
Vortrag: 30th European Conference on Acoustic Emission Testing & 7th International Conference on Acoustic Emission, Granada; 12.09.2012 - 15.09.2012; in: "Proceedings of the 30th European Conference on Acoustic Emission Testing & 7th International Conference on Acoustic Emission", A Gallego (Hrg.); NDT.net - The Open Access NDT Database, Germany (2012), ISBN: 978-84-615-9941-7; Paper-Nr. 69, 14 S.

Die X22-Correllation ermöglicht die Gruppierung sowie die Ermittlung von Laufzeitdifferenzen basierend auf aufgezeichneten Signalkurven (Daten von Transienten Rekordern) von mehrkanaliger Schallemissionsmessungen. Der Algorithmus kompensiert einen Teil der Sensor Charakteristik und der Quellenfunktion, sodass Vergleiche von Signalen mit spezieller Charakteristik erwartet werden.
In der Arbeit wird eine Interpretation von der X22-Correlation gegeben. Danach wird der Algorithmus an Daten von Versuchen, welche vor einigen Jahren durchgeführt wurden, angewendet. Schallemissionsdaten von einem künstlichen Schweißnahtfehler, aufgenommen während der ersten Druckprobe nach dem Erzeugen des Fehlers, während zyklischer Ermüdungsbeanspruchung, und während einer anderen Druckprobe, wurden ausgewählt und analysiert. Das Ziel war einen ersten Eindruck zu bekommen, welche Ergebnisse von dieser Art der Analyse erwartet werden können, und wie die Ergebnisse zu interpretieren sind.

X22-correlation enables clustering and evaluation of time differences based on acquired signals (transient recorder data) from multi channel acoustic emission acquisition. The algorithm cancels some effects of sensor characteristics and source functions which promises special characteristics in comparing signals.
In this paper an interpretation of X22-correlation is given. Afterwards the algorithm is applied to data from an experiment, which was done a few years ago. Acoustic emission data from an artificial weld defect, acquired during the first pressure test after defect generation, during cyclic fatigue testing, and during another pressure test were selected and analysed. The goal is to get a first idea from which insights are expected by this type of analysis, and how to interpret the results.

pressure vessel, signal processing, localisation of damage, AE sensor, Acoustic Emission (AE), double difference location, relative location, clustering, cross-correlation, X22-correlation