Johann Harmstorf

Algorithmische Verfahren zur körperschallbasierten Überwachung von metallischen Oberflächenstrukturen


Front	Back

ISBN:

978-3-8440-7003-3

Series:

Forschungsberichte aus dem Fachgebiet Elektronische Fahrzeug- und Mobilitätssysteme der Universität Bremen
Herausgeber: Prof. Dr.-Ing. Karl-Ludwig Krieger
Bremen

Keywords:

Digitale Signalverarbeitung; Maschinelles Lernen; Körperschall

Type of publication:

Thesis

Language:

German

Pages:

210 pages

Figures:

83 figures

Weight:

311 g

Format:

21 x 14,8 cm

Bindung:

Hardcover

Price:

49,80 € / 62,30 SFr

Published:

November 2019

Buy:

Recommendation:

You want to recommend this title?

Review copy:

Here you can order a review copy.

Link:

You want to link this page? Click here.

Export citations:

Text
BibTex
RIS

Abstract:

In der vorliegenden Arbeit wird die Entwicklung eines echtzeitfähiges Sensorsystem vorgestellt, welches mittels automatischer Klassifikationsverfahren unterschiedliche Körperschallprozesse erkennt.

Die Motivation dieser Arbeit ergibt sich aus den vielfältigen Anwendungen für Körperschallsensorik, die auch in dieser Arbeit einleitend vorgestellt werden. Näher betrachtet werden zudem der physikalische Effekt des Körperschalls, die Ausbreitungsgeschwindigkeit und die Fortpflanzung von Körperschallwellen in Platten und dünnen Oberflächen mit den für dieses Thema relevanten Wellenarten.

Ein Schwerpunkt der Arbeit ist die Signalvorverarbeitung und die Merkmalsgewinnung. Dabei wird die Weiterverarbeitung des digitalisierten Körperschallsignals bis zur Repräsentation der Informationen im Merkmalsraum behandelt. Für die Signalvorverarbeitung und die Merkmalsgewinnung werden unterschiedliche Verfahren ausgewählt und evaluiert.

Für die statistische Modellierung der Körperschallprozesse werden Hidden-Markov-Modelle mit Gausschen Mischmodellen verwendet. Es wird besonders auf die Fragestellung eingegangen, wie der Klassifikator unbekannte von bekannten Körperschallrealisierungen trennen kann, um eine möglichst geringe Falschalarmrate zu erzielen.

Diese Arbeit erweitert damit das Feld der Körperschallanalyse um ausgewählte Signalverarbeitungs- und automatische Klassifikationsverfahren. Die hier erarbeiteten Methoden und Verfahren bilden somit eine Grundlage für zukünftige Anwendungen auf dem Gebiet der Körperschallanalyse. Dabei ist das System mit den ausgesuchten Verfahren so universell ausgelegt worden, dass es für ein weites Feld an Anwendungen trainiert werden kann.