[Zurück]

F. Rauscher:
"Application of X22-Correlation to Some Types of Acoustic Emission Signals";
Vortrag: 31st Conference of the European Working Group on Acoustic Emission (EWGAE), Dresden; 03.09.2014 - 05.09.2014; in: "31st Conference of the European Working Group on Acoustic Emission (EWGAE)", DGZfP (Hrg.); DGZfP-Proceedings BB 149 - CD / DGZfP, Dresden (2014), ISBN: 978-3-940283-63-4; Paper-Nr. We.3.B.3, 9 S.

Schon in den letzten beiden EWGAE-Konferenzen wurde die X22-Correlation, welche Schallemissionsereignisse basierend auf gemessenen Signalkurven von mehreren Sensoren vergleicht, präsentiert. Durch die Kombination von Signalen von zwei Sensoren, hängt die X22-Korrelation vor allem von den Unterschieden zwischen den Abstrahlungen und den Übertragungsfunktionen zu den betrachteten Sensoren ab. Die Quellenfunktion und Teile der Übertragungsfunktion, die zu den beiden Sensoren gleich sind, werden durch den Algorithmus eliminiert.
Die Ergebnisse des Algorithmus sind Korrelationswerte, welche die Ähnlichkeit zwischen zwei Ereignissen beschreiben, und spezielle Zeitdifferenzen, die für die Lokalisierung von Ereignissen relativ zueinander eingesetzt werden können.
Relative kleine X22-Korrelationen wurden für Signale von einem Fehler während einer Druckprüfung berechnet. Dies kann dadurch erklärt werden, dass die mikroskopischen Bruchereignisse an verschiedenen Orten auftraten und sich die Abstrahlungscharakteristik von Ereignis zu Ereignis änderte.
In dieser Veröffentlichung wurde die X22-Correlation an Bruchsignalen von Klebeverbindungen angewendet. Im Spezialfall von relativ spröden Brüchen auf einer Seite der Klebeverbindung wurde eine große Anzahl von Ereignissen durch die X22-Clustering gruppiert. Das ist plausibel, da ähnliche Bruchereignisse für diese Art von Bruch erwartet werden.

In the last two EWGAE-meetings, X22-Correlation was presented, which compares acoustic emission events based on the measured signals at multiple sensors. By combining the signals measured at two sensors, X22-Correlation focuses on the difference between the radiation characteristics and the transfer-functions to the two sensors. The source functions and parts of the transfer functions which are the same for the considered sensors are cancelled by the algorithm.
The results of the algorithm are correlation values, which are a measurement of the similarity between two events, and double time differences. The similarity measurements can be used for clustering and the double time differences can be used for relative location processing.
Relative small X22-Correlations were evaluated for signals from a defect during a pressure test [3]. This is explained by the facts that facture events occurred at different locations and the characteristic of emission (direction) varied from one to the next fracture event.
Within this paper, X22-Correlation is applied to fracture signals from adhesive bonds. In the special case of a relative brittle failure at one side of the adhesive, large numbers of events were grouped together by X22-Clustering. This is plausible because similar fracture events are expected for this type of fracture.

Acoustic emission, correlation, clustering, location processing, adhesive, glue

http://publik.tuwien.ac.at/files/PubDat_234120.pdf