Modares Mechanical Engineering
مهندسی مکانیک مدرس
Modares Mechanical Engineering
Engineering & Technology
http://mme.modares.ac.ir
1
admin
1027-5940
2476-6909
10.22034/mme
fa
jalali
1393
12
1
gregorian
2015
3
1
15
1
online
1
fulltext
fa
تخمین بهینه ضرایب مدل سیگنال فراصوتی با ترکیب الگوریتمهای بهینه سازی گروه ذرات و گوس-نیوتن
Optimal Parameter Estimation of Ultrasonic Signals by Using a Combination of Particle Swarm Optimization and Gauss-Newton Algorithms
در یک آزمون فراصوتی پژواکهای بازگشتی از درون قطعه دارای اطلاعات مفید و ارزشمندی در مورد مشخصات هندسی و ریزساختاری قطعه هستند. این اکوهای فراصوتی را میتوان با استفاده از مدل پالس گوسی، که دارای پنج پارامتر مستقل است، مدلسازی کرد. برای مدلسازی دقیق یک اکو، پارامترهای پالس گوسی باید هر چه دقیقتر از روی اکوی واقعی محاسبه شوند. الگوریتمهای متفاوتی برای تخمین این پنج پارامتر وجود دارد. در این پژوهش از سه روش بهینهسازی گوس-نیوتن (GN)، گروه ذرات (PSO)و الگوریتم ژنتیک (GA) برای این منظور استفاده خواهد شد و مزایا و معایب هر یک از این روشها طی مثالهایی بررسی خواهد شد و در نهایت با ترکیب این الگوریتمها مزایای یک الگوریتم، جایگزین معایب الگوریتم دیگر خواهد شد. در مورد سیگنالهایی که دارای چندین پژواک فراصوتی هستند از اصل حداقل طول توصیف (MDL) برای تخمین تعداد اکوها استفاده شده است و برای تسهیل تخمین پارامترهای تمامی پژواکها از الگوریتم بیشینه سازی امید تعمیم یافته با فضای تناوبی (SAGE) استفاده خواهد شد. برای ارزیابی کارآیی الگوریتمها نیز سیگنالهای شبیهسازی شده و آزمایشی در حالتهایی که اکوها همپوشانی داشته و یا بدون همپوشانی هستند مورد بررسی قرار خواهد گرفت. الگوریتم ترکیبی در تمامی شرایط مورد مطالعه بهتر از الگوریتمهای منفرد عمل نموده است.
The echoes obtained from ultrasonic testing of materials contain valuable information about the geometry and grain structure of the test specimen. These echoes can be modeled by Gaussian pulses in a model-based estimation process. For precise modeling of an echo, the parameters of the Gaussian pulse should be estimated as accurately as possible. There are a number of algorithms that can be used for this purpose. In this study, three different algorithms are used: Gauss-Newton (GN), particle swarm optimization (PSO), and genetic algorithm (GA). The pros and cons of each of these three algorithms are reviewed and by combining them, the benefits of each algorithm are used while its shortcomings are avoided. For signals containing multiple echoes, the minimum description length (MDL) principle is used to estimate the numbers of required Gaussian echoes followed by space alternating generalized expectation maximization (SAGE) technique to translate it to separate echoes and to estimate the parameters of each echo. The performance of the proposed algorithms for simulated and experimental signals with overlapping and non-overlapping echoes is evaluated and shows to be quite effective.
آزمون فراصوتی,پردازش سیگنال,الگوریتم گوس-نیوتن,الگوریتم بهینهسازی گروه ذرات,الگوریتم ژنتیک
Ultrasonic testing,Signal Processing,Gauss-Newton Algorithm,Particle Swarm Optimization Algorithm,Genetics Algorithm
236
244
http://mme.modares.ac.ir/browse.php?a_code=A-15-1000-1975&slc_lang=fa&sid=15
Ali
Gholami
علی
غلامی
100319475328460054573
100319475328460054573
No
دانشکده مکانیک دانشگاه صنعتی خواجه نصیرالدین طوسی
Farhang
Honarvar
فرهنگ
هنرور
100319475328460054582
100319475328460054582
Yes
دانشکده مکانیک دانشگاه صنعتی خواجه نصیرالدین طوسی
Hamid
Abrishami Moghadam
حمید
ابریشمی مقدم
100319475328460054583
100319475328460054583
No
دانشکده برق دانشگاه صنعتی خواجه نصیرالدین طوسی