Acoustic Emission Results and Spect

Acoustic Emission Results and Spectral Analysis
Due to their complementarity in signal description, the fraction of high
amplitude peaks in acoustic signal (>5000, in 16 signed bits coding), namely
Rp+, and the average amplitude value of the sound recorded (AAS, measure
of the sound intensity or “loudness”), computed during the last 10 s of the
first compression step, were thought to be of particular relevance. Other
possible indices for acoustic temporal signal description, as number of peaks
and maximum amplitude, were highly correlated to the one or the other. When
mapping the results of Rp+ obtained for all samples against those of AAS
(Fig. 10), the acoustic signals of samples J and E showed low average amplitudes
(AAS < 120), but more peaks of larger amplitude (Rp+ > 7%), i.e.,
louder ones. Conversely, the group of samples I, A and D emitted fewer high
amplitude peaks (

ผลลัพธ์ (ไทย) 1:

Acoustic Emission Results and Spectral AnalysisDue to their complementarity in signal description, the fraction of highamplitude peaks in acoustic signal (>5000, in 16 signed bits coding), namelyRp+, and the average amplitude value of the sound recorded (AAS, measureof the sound intensity or “loudness”), computed during the last 10 s of thefirst compression step, were thought to be of particular relevance. Otherpossible indices for acoustic temporal signal description, as number of peaksand maximum amplitude, were highly correlated to the one or the other. Whenmapping the results of Rp+ obtained for all samples against those of AAS(Fig. 10), the acoustic signals of samples J and E showed low average amplitudes(AAS < 120), but more peaks of larger amplitude (Rp+ > 7%), i.e.,louder ones. Conversely, the group of samples I, A and D emitted fewer highamplitude peaks (<6%) and higher AAS (close to 180). Other samples showedsimilar values of Rp+ ratio as the latter group, but intermediate values of AAS,closer to the first group. Large SDs limit sample classification at this stage(Table 3). In line with the commonly admitted acoustic perception of crispness(Duizer 2001), the lower values of AAS of samples J and E are in agreementwith the stability of the size distribution of flakes, meaning that very fewpieces are broken in compression to 100 N. Conversely, the size redistributionduring the compression of other samples is due to numerous fractures reflected
by the larger number of acoustic events of moderate amplitude.
Spectral analysis has been performed on every sample. Normalized
power spectra are displayed for representative samples of each group formed by multidimensional analysis of sensory data (Fig. 11A–D). All samples display
a similar feature with rather uniformly distributed emission in terms of
frequency, including a gap for a frequency that is slightly higher than 5 kHz.
Only the average normalized power spectrum of sample J shows significant
differences with the other samples, mainly marked by a large peak at 1.7 kHz
(Fig. 11D). For further comparison, the principal component analysis is performed
on the acoustic spectra (Fig. 12A). The first dimension accounts for
56.7% of the variations, and the corresponding eigenvector is close to the
opposite of J spectrum, displaying typical low frequency emission in the
spectral domain of interest (Fig. 12B). The second principal component
clearly opposes samples E to L and G, by a contrast in acoustic emission,
principally in the first part of the spectral range for E (<3 kHz) and in the
second part for the other two samples (close to 7.5 kHz) (Fig. 12C). All other
samples were characterized by similar values of spectral dimension. The
relevance of the acoustic signal analysis in the spectral domain relies in the
evidence of a different behavior for sample J, which confirms a different
fracture mechanism.

ผลลัพธ์ (ไทย) 2:

ผลการปล่อยอะคูสติกและการวิเคราะห์สเปกตรัมเนื่องจาก complementarity ของพวกเขาในรายละเอียดของสัญญาณส่วนของสูงยอดคลื่นสัญญาณอะคูสติก(> 5000 ใน 16 บิตลงนามในการเข้ารหัส) คือรูเปียห์+ และค่าความกว้างเฉลี่ยของเสียงที่บันทึกไว้ (AAS วัดความเข้มของเสียงหรือ "เสียงดัง") คำนวณในช่วง 10 ของขั้นตอนการบีบอัดครั้งแรกคิดว่าจะมีความเกี่ยวข้องโดยเฉพาะอย่างยิ่ง อื่น ๆดัชนีที่เป็นไปได้สำหรับรายละเอียดของสัญญาณชั่วคราวอะคูสติกเป็นจำนวนยอดและความกว้างสูงสุดมีความสัมพันธ์อย่างมากกับหนึ่งหรืออื่น ๆ เมื่อการทำแผนที่ผลการ Rp + ได้รับตัวอย่างทั้งหมดกับบรรดาของ AAS (รูปที่. 10), สัญญาณอะคูสติกของกลุ่มตัวอย่าง J และ E แสดงให้เห็นช่วงกว้างของคลื่นเฉลี่ยต่ำ(AAS <120) แต่ยอดมากขึ้นของความกว้างขนาดใหญ่ (รูเปียห์ +> 7%) คือคนดัง ตรงกันข้ามกลุ่มตัวอย่างที่ผม, และ D ที่ปล่อยออกมาน้อยลงสูงยอดคลื่น(<6%) และ AAS สูง (ใกล้เคียงกับ 180) ตัวอย่างอื่น ๆ แสดงให้เห็นว่าค่าที่คล้ายกันของอัตราส่วนรูเปียห์+ เป็นกลุ่มหลัง แต่ค่ากลางของ AAS, ใกล้ชิดกับกลุ่มแรก ขีด จำกัด ของการจัดหมวดหมู่ขนาดใหญ่ตัวอย่าง SDS ในขั้นตอนนี้(ตารางที่ 3) สอดคล้องกับการรับรู้อะคูสติกที่ยอมรับกันโดยทั่วไปของกรอบ(Duizer 2001) ค่าที่ต่ำกว่าของ AAS ตัวอย่าง J และ E อยู่ในข้อตกลงที่มีความมั่นคงของการกระจายขนาดของเกล็ดที่มีความหมายว่าน้อยมากชิ้นหักในการบีบอัด100 N . ในทางกลับกันการกระจายขนาดในระหว่างการบีบอัดของตัวอย่างอื่นๆ ที่เกิดจากการหักจำนวนมากสะท้อนให้เห็นด้วยจำนวนขนาดใหญ่ของเหตุการณ์อะคูสติกของความกว้างพอสมควร. วิเคราะห์สเปกตรัมได้รับการดำเนินการในทุกตัวอย่าง ปกติสเปกตรัมพลังงานจะแสดงตัวอย่างที่เป็นตัวแทนของแต่ละกลุ่มที่เกิดขึ้นจากการวิเคราะห์หลายมิติของข้อมูลทางประสาทสัมผัส (รูป. 11A-D) ตัวอย่างทั้งหมดแสดงคุณลักษณะที่คล้ายกันด้วยการปล่อยค่อนข้างกระจายเหมือนกันในแง่ของความถี่รวมทั้งช่องว่างสำหรับความถี่ที่สูงกว่า5 เฮิร์ทซ์เป็น. เพียงค่าเฉลี่ยของคลื่นไฟฟ้าปกติ J ตัวอย่างที่แสดงให้เห็นอย่างมีนัยสำคัญแตกต่างกับตัวอย่างอื่นๆ ที่มีการทำเครื่องหมายโดยส่วนใหญ่ ยอดเขาที่มีขนาดใหญ่ 1.7 เฮิร์ทซ์(รูปที่. 11) สำหรับการเปรียบเทียบต่อการวิเคราะห์องค์ประกอบหลักที่จะดำเนินการเกี่ยวกับอะคูสติกสเปกตรัม (รูป. 12A) บัญชีมิติครั้งแรกสำหรับ56.7% ของการเปลี่ยนแปลงและวิคเตอร์ที่สอดคล้องกันอยู่ใกล้กับฝั่งตรงข้ามของสเปกตรัมJ แสดงการปล่อยความถี่ต่ำโดยทั่วไปในโดเมนสเปกตรัมสนใจ(รูป. 12B) องค์ประกอบหลักที่สองได้อย่างชัดเจนตรงข้ามกับตัวอย่าง E เพื่อ L และ G โดยความคมชัดในการปล่อยอะคูสติกเป็นหลักในส่วนแรกของช่วงสเปกตรัมสำหรับอี(<3 เฮิร์ทซ์) และในส่วนที่สองสำหรับอีกสองตัวอย่าง(ใกล้กับ 7.5 เฮิร์ทซ์) (รูป. 12C) อื่น ๆ ทั้งหมดตัวอย่างโดดเด่นด้วยค่าที่คล้ายกันของมิติสเปกตรัม ความเกี่ยวข้องของการวิเคราะห์สัญญาณอะคูสติกในโดเมนสเปกตรัมอาศัยในหลักฐานของพฤติกรรมที่แตกต่างกันสำหรับตัวอย่าง J ซึ่งยืนยันแตกต่างกันกลไกการแตกหัก

ผลลัพธ์ (ไทย) 3:

结果与声发射光谱分析由于他们的互补描述到，在高的信号功能在声信号振幅（峰位编码符号，在16 5000），namelyRP +，和振幅的平均值，这recorded程序法的声音强度或“loudness computed”），在最后的10 S第一步是要压缩了，其他的particular relevance。应用声学信号，可能indices number of峰，以及描述。和最大振幅，是高度相关的一个或其他的到。当映射的结果obtained RP +的原子对的所有这些样本。（Fig signals声。10），低的样本平均showed amplitudes J和E（AAS），但< 120更多更大（的振幅（峰），即为RP + >。ones响亮。Conversely样品，组I，A和D的高射出的越来越少峰的振幅（< 6%）和高等180 close to（AAS）showed其他样品。values of RP +类似，但比作为一个中间latter values of group，原子吸收光谱法对第一组closer SDs样本分类。在这大舞台；3（表）。在与commonly承认的crispness perception声（Duizer 2001 values（AAS），下的是J和E在协议样本与显着的大小分布的一些片，这很意思。在对100件是broken compression，redistribution Conversely size。要对其他样本的压缩骨折是由于numerous reflectednumber of events）更大（由中度振幅的声。光谱分析，已被performed都不在。功率谱分析是每个样本组（displayed代表以形成多维数据的统计分析的感觉Fig（11a）.所有样品显示D）。一个类似的功能，在分散的方式与排放的uniformly！一种包括缺口，那是为一个更高的频率比不怎么熟5千赫。功率谱的平均分只有normalized样本J最小显著凝集与其他样品differences两大高峰，主要由一个在1.7千赫。（11d）。Fig。为进一步比较分析，是performed principal component在声光谱（12a）。Fig帐户关联维数为第一）。和百分之56.7的variations eigenvector是关闭，到correspondingopposite of J频谱，频率在displaying typical低排放频谱域的利益。（二）Fig principal component 12B）。反对到好处，E和G的样品通过一个L，在声学排放对比在第一部分主要为E的频谱范围（< 3千赫）和在第二部分为其他两个样品的7.5（close to（千赫）。所有其他Fig 12C）。样品的表征是通过关联维数的频谱类似的价值。”relevance的声信号在频谱域分析在relies一个不同的行为evidence for a different sample，这confirms Jfracture机制。