인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
In this study, we propose and analyze a machine learning method based on the genetic algorithm (GA) and supporting vector machine (SVM) for the effective classification of faults detected by an acoustic emission test on the welding parts of tubular steel towers. A band-pass filter, an envelope analysis (EA), and an intensified EA (IEA) are employed to generate feature vectors for the machine learning method based on the GA. After signal processing, the signals are applied to GA-based machine learning to derive the representative features of the received signal, and the SVM classifies the fault signals and normal signals from the detected signals. Consequently, it is confirmed that the received signal processed by EA and IEA can classify faults with an accuracy of 93 % or more. Hence, the proposed fault test and classification method is expected to be useful in the development of a system for constant monitoring and early detection of welding faults inside a tubular steel tower.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
