Shop : Details
Shop
Details
49,80 €ISBN 978-3-8440-7003-3Hardcover210 pages83 figures311 g21 x 14,8 cmGermanThesis
November 2019
Johann Harmstorf
Algorithmische Verfahren zur körperschallbasierten Überwachung von metallischen Oberflächenstrukturen
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.
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.
Keywords: Digitale Signalverarbeitung; Maschinelles Lernen; Körperschall
Forschungsberichte aus dem Fachgebiet Elektronische Fahrzeug- und Mobilitätssysteme der Universität Bremen
Edited by Prof. Dr.-Ing. Karl-Ludwig Krieger, Bremen
Export of bibliographic data
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
Germany
Am Langen Graben 15a
52353 Düren
Germany
Mon. - Thurs. 8:00 a.m. to 4:00 p.m.
Fri. 8:00 a.m. to 3:00 p.m.
Fri. 8:00 a.m. to 3:00 p.m.
Contact us. We will be happy to help you.
