Katedra Robotyki i Mechatroniki | Teoretyczne podstawy monitorowania stanu technicznego konstrukcji przez rozwiązanie zagadnienia odwrotnego z uwzględnieniem niepewności

Teoretyczne podstawy monitorowania stanu technicznego konstrukcji przez rozwiązanie zagadnienia odwrotnego z uwzględnieniem niepewności

Kierownik Projektu:

Prof. dr hab. inż. Tadeusz Uhl

Osiągnięcia

Główne osiągnięcie; opracowanie podstaw teoretycznych dla metody wyznaczania parametrów materiałowych i ich zmian w czasie eksploatacji (SHM) w oparciu zmierzone krzywe dyspersji dla materiałów izotropowych i anizotropowych z uwzględnieniem niepewności pomiarowych.

Do osiągnięć cząstkowych można zaliczyć:

Opracowanie metodologii, algorytmu i implementacji dla wyznaczania krzywych dyspersji dla materiałów anizotropowych wielowarstwowych.
Opracowanie programu do wyznaczania krzywych dyspersji dla prowadzonych fal płytowych.
Opracowanie metody otrzymywania eksperymentalnych charakterystyk dyspersji w funkcji kierunku propagacji względem kierunków głównych.
Ocena wrażliwości estymatorów charakterystyk dyspersyjnych w zależności od kierunku propagacji fali dla materiałów kompozytowych
Opracowanie podstaw teoretycznych filtru przestrzennego bazującego na eksploatacyjnych formach drgań to jest wtedy gdy identyfikacja parametrów filtru nie wymaga przeprowadzenia eksperymentu czynnego.
Opracowanie podstaw teoretycznych filtru przestrzennego do identyfikacji sił działających na układ na podstawie pomiaru odpowiedzi tego układu.
Opracowanie podstaw do zastosowania opracowanego filtru do wykrywania zmian strukturalnych układów.
Opracowanie podstaw do zastosowanie opracowanego filtru do filtracji składowych harmonicznych odpowiedzi drganiowej układu.
Opracowanie metody identyfikacji parametrów materiałowych w oparciu o analizę zjawisk falowych w strukturze (badania nieniszczące)
Opracowanie metody identyfikacji parametrów materiałowych w oparciu o pomiary krzywych dyspersji z uwzględnieniem niepewności pomiarowych z wykorzystaniem teorii Bayesa oraz modeli semi – analitycznych
Opracowanie metamodeli opisujących zależności pomiędzy krzywymi dyspersji, a parametrami materiałowymi materiałów
Opracowanie metody identyfikacji własności materiałowych w oparciu o krzywe dyspersji i metody sztucznej inteligencji.
Sformułowanie numerycznie sprawnych systemów obliczeniowych „Hybrid Computational Systems” (HCM), na wykorzystaniu sztucznych sieci neuronowych (ANN – Artificial Neural Networks) do identyfikacji parametrycznej ze szczególnym uwzględnieniem .
Dokonano uogólnienie algorytmu Raghavana and Cesnika „Four Essential Steps” przez jego rozdzielenie na dwie części.
Opracowano metodę obliczania krzywych dyspersji dla kompozytów jednokierunkowo zbrojonych
Przeprowadzono analizę wrażliwości parametrów fal Lamba dla celów określenie postaci drgań kompozytu spośród postaci A0 lub S0 oraz wybór kierunku prowadzenia fal Lamba ,tj. spośród katów kątów odchylenia α = 0 o , 90 o, 45 o kierunku prowadzenia od kierunku zbrojenia.
Implementacja metody wyznaczania krzywych dyspersji dla struktur kompozytowych w języku C
Walidacja zaproponowanej metody przez eksperyment zrealizowany za pomocą wibrometru laserowego skanującego.

Najważniejsze wyniki

Opierając się na sformułowaniu metody Local Interaction Simulation Approach rozwijanej w zespole Kierownika Projektu opracowano metodę pozwalającą na wyznaczanie krzywych dyspersji dla fal płytowych o dowolnej, warstwowej konfiguracji. Wykorzystując teorię fal dla układów periodycznych (teorię fal Blocha), założono, że możliwe jest wyznaczenie własności spektralnych modelu numerycznego, a przy dodatkowych założeniach możliwe jest również wyeliminowanie składowej czasu. Na skutek powziętych działań zbudowano semi-analityczny model propagacji fal sprężystych. Opracowano rozwiązania dla przestrzeni sprężystej nieograniczonej oraz dla brzegów swobodnych. Poprzez zaproponowanie sprzężenia wektora falowego pomiędzy poszczególnymi rozwiązaniami opracowano semi-analityczny model pozwalający na wyznaczenie krzywych dyspersji. Dzięki zastosowaniu modelu numerycznego umożliwiono symulację materiałów o dowolnych symetriach (tetragonalny, ortotropowy etc.) oraz dowolnej organizacji warstw.

W ramach zadań przeprowadzono równie eksperymentalne badania, które pozwoliły uzyskać charakterystyki dyspersyjne fal propagujących w materiale ortotropowym w wielu różnych kierunkach względem ułożenia włókien i walidacje opracowanych procedur. Testy przeprowadzono na próbkach kompozytowych z długimi włóknami węglowymi ułożonymi w jednym kierunku. Pierwsza faza eksperymentu zakładała badanie propagacji fali w kierunkach głównych (równolegle i prostopadle do włókien), wraz z odchyłkami o 5 stopni. W drugiej fazie przeprowadzono pomiar w zakresie kątów 0-180 stopni ze skokiem 1 stopnia w celu uzyskania kierunkowych charakterystyk dyspersji. W fazie trzeciej przeprowadzono badania eksperymentalne dla materiału ortotropowego.

Zarówno metody symulacji własności materiałów jak i opracowane metody badań eksperymentalnych (wyznaczania krzywych dyspersji w dziedzinie częstotliwości) pozwoliły na sformułowanie metody identyfikacji parametrów mechanicznych materiałów w oparciu o pomiar zjawisk falowych. Opracowano metody oparte na optymalizacji przyjętego wskaźnika jakości stosując jako metodę poprawiania jakości wyników rozwiązania zagadnienia odwrotnego klasyczne podejście Tikhonowa, jako alternatywne rozwiązanie zaproponowano metodę opartą o sztuczne sieci neuronowe oraz metodę opartą o sformułowanie Bayesa.

Rozwiązano zagadnienie identyfikacji parametrów cienkiej płyty aluminiowej (grubość i stałe sprężystości) z wykorzystaniem fal Lamba za pomocą filtrów cząsteczkowych. Zastosowanie filtrów cząsteczkowych umożliwiło identyfikację parametrów na bieżąco (on-line) wraz z oszacowaniem niepewności.

Opracowane metody zwierające zaawansowany unikalny model semi- analityczny oraz metody numeryczne do efektywnej symulacji krzywych dyspersji w materiałach ortotropowych, do analizy wrażliwości oraz wykrywania ważnych, dla oceny stanu konstrukcji, relacji pomiędzy wejściem a wyjście rozważanego materiału. Zaimplementowano i przetestowano metody identyfikacji parametrów modelu materiału w oparciu teorię Bayesa oraz metamodele dla uzyskanie przyspieszenia obliczeń. Metoda ta pozwala na efektywne rozwiązywanie odwrotnych zadań w przypadku modeli z niepewnościami. Opracowana procedura daje wyniki, które zawierają dużo więcej informacji, niż wyniki otrzymane metodą klasyczną opartą na optymalizacji. W szczególności podejście Bayesa jest doskonałym narzędziem, jak to wykazano w pracy, do integracji w jednej metodzie różnego rodzaju danych; danych eksperymentalnych (w przypadku badań przeprowadzonych w projekcie eksperymentalnie otrzymane dane materiałowe oraz wyniki badań wibrometrem laserowym) oraz różnych źródeł niepewności (niepewności parametrów oraz niepewności z eksperymentu). Procedura identyfikacji opracowana w projekcie byłą zastosowana do identyfikacji parametrów materiałowych płyty kompozytowej o własnościach ortotropowych. Podstawowym wynikiem analiz jest pokazanie nowej metody identyfikacja tych parametrów materiału, które nie mogą być zmierzone bezpośrednio oraz zminimalizowanie niepewności wyników badań eksperymentalnych. Metoda ma również swoje ograniczenia, które występują przede wszystkim na etapie budowy metamodelu. Przyjęta w projekcie procedura aproksymacji jest sformułowana w dziedzinie częstotliwości, ale dla wzrastających częstotliwości przebieg zidentyfikowanych krzywych dyspersji jest bardzo nieregularny co powoduje, że metoda nie jest wystarczająco dokładna dla wysokich częstotliwości. W przyszłości badania nad rozwojem metody powinny iść w kierunku stworzenia opisu krzywych dyspersji materiału w bardziej globalny sposób.

W zakresie zastosowania sieci neuronowych do identyfikacji własności materiałowych uogólnienia algorytmu Raghavana and Cesnika „Four Essential Steps” przez jego rozdzielenie na dwie części. : 1) Part A jest związana z problemami wprost, 2) Part B łączy generowanie wzorców i przetwarzanie danych celem uczenia sieci ANN w trybie ‘off line’. Jako parametry wewnętrzne przyjęto parametry funkcji bazowych, służące otrzymaniu rozwiązań przybliżonych dla danych z Part A. Dane te są następnie użyte jako wejścia do nauczonej ANN. W ten sposób

otrzymano nową metodę obliczania parametrów krzywej LDCs (Lamb Dispersion Curves).Rozdzielenie części A i B pr owadzi do nowej metody obliczania LDCs, która eliminuje metody klasyczne oparte na paradygmacie iteracyjnego zmniejszania „odległości” między LDCexp i LDCnum , opartej na analizie cyklu rozwiązań wprost. Oznacza to wyeliminowanie „numerycznie kosztownych metod” klasycznych (z dużą licz operacji algebraicznych). Do takich metod należy włączyć MES, MEB, MDF i różne metody pół analityczne.

Wiele czasu poświęcono modelowaniu numerycznemu, walidacji i weryfikacji HSM zastosowanych do identyfikacji parametrów płyt izotropowych, które okazują się problemem „benchmarkowym” przy uogólnieniu HCM, który będzie przydatny do analizy nieznanych parametrów płyt anizotropowych. W szczególności zajęto się najprostszym modelem materiału sprężystego, anizotropowego, heksagonalnie ortotropowego z 5-cioma niezależnymi stałymi. Fizycznie ten model odpowiada kompozytowi jednokierunkowo zbrojonemu. Taki model ma właściwości znacznie różniące się od właściwości stałych sprężystości materiału izotropowemu.

Celem doboru modeli, pozwalających obliczać LCD dla kompozytów jednokierunkowo zbrojonych, wykonano obszerną analizę numeryczną. W porównaniu z formułowaniem LDC dla materiału izotropowego analiza modelu w/w kompozytu wymaga analizy wrażliwości identyfikowanych parametrów na zmiany na zmiany składowych macierzy sztywności. Przeprowadzono analizę wrażliwości, która umożliwia wybór właściwych modów drgań warstwy kompozytu. Analiza ta umożliwiła też określenie modu drgań kompozytu spośród modów i A0 lub B0 oraz wybór kierunku prowadzenia fal Lamba ,tj. spośród katów kątów odchylenia α = 0 o , 90 o, 45 o kierunku prowadzenia od kierunku zbrojenia. Opracowano również metody określania sztywności zastępczych kompozytu ze względu na duże różnice wartości składowych zastępczych macierzy sztywności kompozytu.

Opracowano metodę identyfikacji na bieżąco parametrów cienkiej płyty aluminiowej (dwie stałe sprężystości oraz grubość) w warunkach niepewności z wykorzystaniem na filtrowania Bayesowskiego na podstawie porównywania eksperymentalnych krzywych dyspersji oraz symulowanych numerycznie krzywych dyspersji.

Opracowano metodę identyfikacji stałych sprężystości w cienkich płytach kompozytowych (laminat jednokierunkowo zbrojony) z wykorzystaniem krzywych dyspersji dla różnych danych materiałowych. Obliczenia wykonano za pomocą za pomocą programu Abaqus. Opracowana baza wyników posłużyła do zbudowania narzędzia numerycznego opartego na filtrowaniu Bayesowskim do rozwiązywania problemu odwrotnego identyfikacji stałych materiałowych dla cienkich płyt kompozytowych jednokierunkowo zbrojonych.

Ponadto, przygotowano w programie Abaqus Explicit symulacje propagacji fal Lamba w płycie kompozytowej jednowarstwowej w celu otrzymania krzywych dyspersji potrzebnych do rozwiązania zadania odwrotnego

Wykonano symulacje fal Lamba w cienkiej płycie kompozytowej (laminat jednokierunkowo zbrojony) za pomocą programu Abaqus. Zaprogramowano przebieg modelowania i symulacji z wykorzystaniem języka skryptowego Python w celu automatyzacji procesu modelowania i obliczeń dla różnych danych wejściowych (stałe materiałowe, liczba warstw).

W ramach projektu, w zakresie sformułowania rozwiązania zadania odwrotnego dla drgań niskoczęstotliwościowych konstrukcji opracowano filtr przestrzenny, podobny w swej idei do filtru modalnego, który posiadając te same cechy co wspomniany filtr modalny miałby następujące zalety:

– wyznaczenie parametrów filtru odbywałoby się w oparciu o dane eksploatacyjne, tzn. jedynie odpowiedzi układu byłyby brane do obliczeń,

– wyznaczenie parametrów filtru nie wymagałoby identyfikacji modelu obiektu na drodze dodatkowych analiz np. analizy modalnej,

– opracowany filtr byłby zdolny do filtracji innych niż strukturalne składowych odpowiedzi obiektu (np. harmonicznych wymuszenia).

Do realizacji wytyczonych założeń zastosowano eksploatacyjne formy drgań (ODS) i opracowano metodę wyliczania współczynników filtru przestrzennego. Do wyznaczania eksploatacyjnych form drgań zastosowano metodę Andersena – wybór maksimów charakterystyk (peak picking), choć inne metody definicji ODS też mogą być stosowane. Opracowanie filtru przestrzennego sprowadza się do znalezienia wektora, który będzie ortogonalny do wszystkich analizowanych ODS {φk} z wyjątkiem jednego, na który filtr będzie nastawiony{φr}. Oznacza to, że filtr nastrojony tak aby wydobyć z sygnału jedynie jego r – ty komponent, reprezentowany przez wektor r – tego ODS {φr}, jest zdefiniowany przez wektor filtrujący {Ψr}, który spełnia przytoczone wcześniej kryterium ortogonalności.

Do rozwiązania tego równania zastosowano pseudoinwersję macierzy {φ} jako, ze nie jest ona kwadratowa. Do rozwiązania zagadnienia odwrotnego zastosowano metodę opartą na obciętym rozkładzie na wartości szczególne (TSVD). Wyjście filtru η(ω) jest liczone jako iloczyn skalarny wektora współczynników filtru {Ψr} i wektorów ODS dla każdej częstotliwości z analizowanego pasma.

Opracowany filtr został z powodzeniem przetestowany na danych symulacyjnych, a następnie na danych pochodzących z eksperymentu laboratoryjnego. W ostatnim etapie weryfikacji z powodzeniem filtrowano dane zarejestrowane na wiadukcie drogowym.

Dodatkowo efekty filtracji opracowanym filtrem przestrzennym zastosowano do identyfikacji sił i wykrywania uszkodzeń, a także do filtracji składowych harmonicznych odpowiedzi drganiowej układów. Dzięki temu możliwe będzie zastosowanie znanych metod wykrywania uszkodzeń do obiektów, w których odpowiedzi takie składowe występują, np. do maszyn wirnikowych.

Zrealizowane cele

Celem projektu było opracowanie metody rozwiązania zadania odwrotnego, które przy uwzględnieniu niepewności zarówno wyników pomiarów jak i samego modelu pozwalałoby na monitorowanie stanu konstrukcji. W ramach projektu opracowano cztery metody rozwiązania zadania odwrotnego identyfikacji;

– metodę opartą o dostrajanie modelu analitycznego do wyników badań eksperymentalnych z wykorzystaniem zasad regularyzacji

– metodę opartą o identyfikację parametrów modelu z uwzględnieniem niepewności opartą o podejście Bayesowskie i filtry cząsteczkowe

– metodę opartą o sztuczne sieci neuronowe i uczenie sieci off – line.

– metodę opartą na filtrze przestrzennym

Metody te pozwolą w przyszłości na sformułowanie zadania monitorowania stanu konstrukcji w kontekście śledzenia zmian własności materiałowych. Pozwalają one na lokalne wyznaczanie własności materiałowych, przede wszystkim modułu Younga materiału co umożliwia skanowanie konstrukcji i lokalizację uszkodzenia. Bardzo obiecujące rezultaty otrzymano stosując sieci neuronowe ze względu na osiągnięte dokładności oszacowania parametrów, małe zapotrzebowanie na moc obliczeniową i szybkość realizacji procesu identyfikacji. Bedzie to miało w przyszłości zastosowanie do konstrukcji inteligentnych czujników. Wszystkie metody zwalidowano na stanowiskach badawczych w laboratorium dla struktur, w których znane były rozmiar uszkodzenie i jego położenie.

Metoda oparta na filtrze przestrzennym pozwala na rozwiązania odwrotnego zadania identyfikacji w celu wyznaczania zmian we własnościach konstrukcji oraz wyznaczenie obciążeń działających podczas eksploatacji konstrukcji.

Projekt miał na celu znalezienie takich algorytmów rozwiązania zadania odwrotnego identyfikacji, które będą najmniej wrażliwe na opisane niepewności. W tym zakresie opracowano dwie metody jedną wykorzystującą podejście Bayesa drugą opartą o filtry cząsteczkowe. Obie okazały się skuteczne w przypadku danych obarczonych niepewnościami.

Po sformułowaniu analitycznym metod, przeprowadzono symulacje numeryczne układów z uszkodzeniami wyznaczając krzywe dyspersji konstrukcji w pierwszej kolejności, w drugim kroku symulując przebieg fali w obecności uszkodzeń. Dane z symulacji wykorzystano do testowania sformułowanych metod. W ramach projektu dodatkowo opracowano unikalną metodę metody modelowania i symulacji krzywych dyspersji dla kompozytów wielowarstwowych oraz przeprowadzono jej implementacje programową.

Opracowano również metodę eksperymentalną wyznaczanie krzywych dyspersji dla materiałów anizotropowych opartą o pomiary odpowiedzi układu na wymuszenie naklejonym na strukturę PZT oraz pomiarem realizowanym za pomocą wibrometru laserowego. Dobrano wymuszenie w postaci sygnału typu chirp. Metody te posłużyły do walidacji opracowanych metod identyfikacji własności materiałowych. Dla drgań niskoczęstotliwościowych bardzo poprawnie zadziałał filtr przestrzenny, który pozwolił na wyznaczanie i lokalizacje uszkodzenia oraz wyznaczenie obciążeń wywołujących drgania.

Podsumowując osiągnięto założone cele, dodatkowo opracowano metody modelowania i symulacji krzywych dyspersji materiałów anizotropowych wielowarstwowych o dowolnym ułożeniu warstw oraz metody eksperymentalne umożliwiające wyznaczenie krzywych dyspersji dla złożonych struktur kompozytowych.

Wpływ na dyscyplinę

Opracowanie filtru przestrzennego, którego parametry są wyznaczane na podstawie pomiarów eksploatacyjnych znacznie poszerzy możliwości jego zastosowania. Zaproponowane rozwiązanie znajdzie zastosowanie wszędzie tam gdzie mógłby być stosowany filtr modalny (filtr przestrzenny filtrujący składowe strukturalne z odpowiedzi drganiowej układu), czyli do sterowania drganiami, aktywnej redukcji drgań, identyfikacji sił czy wykrywania uszkodzeń, a ograniczeniem była konieczność stosowania eksperymentów czynnych do identyfikacji parametrów filtru. W oparciu o przedstawiony filtr przestrzenny będzie można opracować nowe metody sterowania drganiami i identyfikacji parametrów układów oraz sił na nie działających. Ze względu na możliwości zastosowania metody przy wymuszeniach eksploatacyjnych zwiększy się zakres zastosowania filtru do monitorowania stanu konstrukcji w zakresie wykrywania uszkodzenia oraz jego lokalizacji w oparciu o pomiary drgań.

Opracowane rozwiązania pozwoliły na dokładne badania bardzo złożonych układów geometrycznych falowodów, zawierających wiele warstw o różnych własnościach mechanicznych. Należy podkreślić, że teoretyczne badania tego typu układów były bardzo skomplikowane i obarczone dużymi błędami, lub dla złożonych przypadków rozwiązania nie mogły być uzyskane w ogóle. Należy wyróżnić dwa podstawowe obszary znaczącego wpływu zaproponowanych rozwiązań na dyscyplinę. Po pierwsze umożliwiono analizę bardzo zaawansowanych materiałów kompozytowych w zakresie ich własności spektralnych co stwarza nowe możliwości w zakresie badania, projektowania i ich optymalizacji. Po drugie, zaproponowana metodologia została wykorzystana do analizy niepewności tego typu struktur poprzez integrację z metodami statystycznymi oraz z wykorzystaniem sztucznej inteligencji.

Opracowane narzędzia pozwalające na eksperymentalne wyznaczanie charakterystyk dyspersji posłużyły do identyfikacji własności materiałowych kompozytów. Dokładna znajomość charakterystyk dyspersyjnych ma jednak istotne znaczenie także w innych aspektach związanych z monitorowaniem stanu technicznego konstrukcji. Prezentowane podejście może znaleźć także szersze zastosowanie w tej dyscyplinie w algorytmach detekcji oraz lokalizacji defektów. Jest to podejście unikalne rozszerzające znacznie możliwości zastosowania.

Po pierwszym okresie studiów nad literaturą tematyki wniosku zespół zajął się tematyką zastosowania klasycznego podejścia za pomocą MES i oprogramowania ABAQUS w łączeniu metody klasycznej ze stosowaniem baeysowskich ANNs i SemiBNNs. Charakter stochastyczny tych sieci umożliwia ocenę wrażliwości identyfikowanych wartości sztywności najpierw dla płyt izotropowych, potem w modelu kompozytu jednokierunkowo zbrojonego.

W przypadku rozdzielenia analizy wprost i odwrotnej, t.j. metoda rozdzielenia symulacji i identyfikacji, okazuje się ogólną po uwzględnieniu różnic miedzy materiałem izotropowym i ortotropowo heksagonalnym.

Otrzymane wyniki były przedstawiane nie tylko na konferencjach ściśle związanych z dynamiką konstrukcji i materiałów, a dyskusje okazały się owocne, zwłaszcza przy opracowaniu wyników numerycznej wrażliwości identyfikowanych wartości parametrów zastępczych sztywności, oraz nad numeryczną niestabilnością stosowanych procedur obliczeniowych.

Wyniki otrzymane w projekcie badano z punktu widzenia wrażliwości na szumy wynikłe z pomiarów jak tez wprowadzania szumów losowych do sieci neuronowej FWNN (Fuzzy Weiegth NN) z wnioskowaniem rozmytym i i ustalonych, czy tez obliczanych wartości funkcji przynależności w sensie logiki Zadeha. Okazało się że dla wartości przekrojów α = 0.9 otrzymywano wartości krzywych kumulacyjnych na poziomie testowania sieci deterministycznych. Jest to znaczne osiągnięcie w stosunku obecnego stanu wiedzy.

Opracowana metoda umożliwia skuteczne rozwiązywanie problemów identyfikacji stałych sprężystości dla cienkich płytek aluminiowych oraz cienkich płytek ortotropowych jednokierunkowo zbrojonych z oszacowaniem niepewności. Opracowana metoda może mieć pozytywny wpływ na rozwój nowoczesnych metod monitorowania stanu technicznego konstrukcji z wykorzystaniem pomiarów propagacji fal Lamba w konstrukcji.

Dodatkowo opracowane metody modelowania i symulacji własności spektralnych rozszerzają znane w tej chwili podejście prezentowane przez przodujące na świecie zespoły badawcze (Cesnik &all), przede wszystkim o możliwość modelowania struktur anizotropowych.

Wyniki badań pokazały że jednym z najbardziej przydatnych do badań stanu konstrukcji jest postać SH0. Wyniki te są wynikami pionierskimi w skali światowej. W związku z tym opracowano wstępną koncepcję konstrukcji czujnika dedykowanego do pomiaru tej postaci fali. Opracowano wniosek na konkurs OPUS i otrzymano finansowanie. W związku z powyższym badania wykonane w niniejszym projekcie będą kontynuowane w kierunku syntezy czujnika do pomiarów postaci fali SH0.

Publikacje powstałe w wyniku realizacji projektu

Publikacje w czasopismach

Evaluation of Dispersion Characteristics of Multimodal Guided Waves Using Slant Stack Transform, L. Ambrozinski, B. Piwakowski, T. Stepinski, T. Uhl, NDE&E, 68, 2014, pp. 88-97 (IF 1,744)

Identification of material properties – modelling approach based on guided wave propagation, L. Ambroziński, P. Paćko, L. Pieczonka, T. Stepinski, T. Uhl, W.J. Staszewski, Mechanical Systems and Signal Processing, 22, pp. 969-983, 2015 (IF 1,824)

Sequential identification of thickness and elastic constants for aluminum plates using guided Lamb waves and particle filters, M. Slonski, Probabilistic Engineering Mechanics, 2013, (IF 1,245)

Identification of Material Properties – Efficient Modelling Approach Based on Guided Wave Propagation and Spatial Multiple Signal Classification, L. Ambroziński, P. Paćko, L. Pieczonka, T. Stepinski, T. Uhl and W.J. Staszewski, Structural Control and Health Monitoring, 22, 969-983, (IF 1,544)

Sequential stochastic identification of elastic constants using Lamb waves and particle filters, M. Słoński, Computer Assisted Methods in Engineering and Science, 2014

Efficient Tool for Designing 2D Phased Arrays in Lamb Waves Imaging of Isotropic Structures, Ł. Ambrozinski, T. Stepinski, T. Uhl, Journal of Intelligent Material Systems and Structures, 2014, (IF 1,523)

A semi-analytical method for identification of thin elastic plate parameters basing on LWM, E. Pabisek, Z. Waszczyszyn, L. Ambrozinski, Computer Assisted Mechanics in Engineering Sciences, 24, 2014, pp. 5-14

Identification of thin elastic isotropic plate parameters applying Guided Wave Measurement and Artificial Neural Networks, E. Pabisek, Z.Waszczyszyn, Mechanical Systems and Signal Processing, 64-65, 2015, pp. 403-412 (IF 2,465)

Generalized semi-analytical finite difference method for dispersion curves calculation and numerical dispersion analysis for Lamb waves, P. Packo, T. Uhl, W. J. Staszewski, Journal of Acoustical Society of America, 136, 2014 (IF 1,555)

Bayesian parameter identification of orthotropic composite materials using Lamb waves dispersion curves measurement, A. Gallina, L. Amobrozinski, P. Packo, L. Pieczonka, T. Uhl, W. Staszewski, Journal of Vibration and Control, 2015 (IF 4,355)

Spatial filter for operational deflection shape component filtration, J. Wójcicki, K. Mendrok, T. Uhl, Key Engineering Materials, 569-570, 2013, pp. 868-875

Force Identification with use of spatial filter based on ODS, K. Mendrok, Diagnostyka, 16, 2015, pp. 23-28

An application of operational deflection shapes and spatial filtration for damage detection, K. Mendrok, J. Wójcicki, T. Uhl, Smart Structures and Systems, 2015, (IF 1,16)

Publikacje konferencyjne

Elastic constants identification for laminated composites based on Lamb waves propagation, P. Packo, L. Pieczonka, L. Ambrozinski, T. Uhl, International Workshop Structural Health Monitoring 2013

Simulations of ultrasonic guided waves with use of combined Finite Element and Finite Difference Methods, M. Rosiek, A. Martowicz, K. Filipek, M. Mańka, P. Paćko, T. Stepinski, T. Uhl, 20th International Conference on Computer Methods in Mechanics, 2013

ANNS in identification of thin aluminium plate parameters basing on GWM testing, E. Pabisek, Z. Waszczyszyn, 20th International Conference on Computer Methods in Mechanics, 2013

The impact of numerical analysis parameters on the identification of elastic constants in plate-like structures, P. Paćko, Ł. Ambroziński, Ł. Pieczonka, T. Uhl, ECCOMAS International Conference IPM 2013 on Inverse Problems in Mechanics of Structure and Materials, 2013

Lamb waves and particle filter for sequential elastic constants identification of aluminum plate, M. Słoński, ECCOMAS International Conference IPM 2013 on Inverse Problems in Mechanics of Structure and Materials, 2013

The influence of test parameters on the dispersion curves evaluation used for elastic constants identification, Ł. Ambroziński, Ł. Pieczonka, P. Paćko, T. Uhl, ECCOMAS International Conference IPM 2013 on Inverse Problems in Mechanics of Structure and Materials, 2013

A semi-analytical method with neural networks for prediction of thin aluminium plate parameters basing on guided-wave testing, Z. Waszczyszyn, E. Pabisek, Ł. Ambroziński, ECCOMAS International Conference IPM 2013 on Inverse Problems in Mechanics of Structure and Materials, 2013

Structural changes detection with use of operational spatial filter, J. Wójcicki, K. Mendrok, SURVEILLANCE 7: 7th international conference on Acoustical and vibratory surveillance methods and diagnostic techniques, 2013

A hybrid system for identification of elastic, isotropic thin plate parameters applying Lamb waves and artificial neural networks, Z. Waszczyszyn, E. Pabisek, Intern. Conf. INASE, 2015

Development of a hybrid system for identification of elastic material in composite lamina: Application of Lamb Waves and Artifitial Neural Networks, Z. Waszczyszyn, P. Nazarko, P. Packo, Ł. Ambroziński, T. Uhl, ECCOMAS COMPDYN 2015, 2015

Identyfikacja parametrów płyt cienkich, sprężystych i izotropowych za pomocą fal Lamba i dwóch metod numerycznych, E. Pabisek, Z. Waszczyszyn, Program XIV Sympozjum Dynamiki Konstrukcji, 2014

Zastosowanie sieci neuronowych w naukach technicznych: organizacja badań i wybrane wyniki, Z. Waszczyszyn, Komisja Nauk Technicznych Polskiej Akademii Umiejętności, 2014

Bayesian identification of elastic parameters in composite laminates applying Lamb waves monitoring, M. Słoński, ECCOMAS COMPDYN 2015

Analysis of Lamb wave dispersion curve sensitivity to material elastic constants in composites, A. Gallina, L. Pieczonka, L. Ambrozinski, P. Packo, P. Nazarko, T. Uhl, and Z. Waszczyszyn, SPIE Smart Structures and NDE, 2015

Separation of Lamb waves modes using polarization filter of 3D laser measured signals, L. Ambrozinski, T. Stepinski, and T. Uhl, SPIE Smart Structures and NDE, 2015

Designing of sparse 2D arrays for Lamb wave imaging using coarray concept, Ł. Ambroziński, T. Stepinski, and T. Uhl, 41st Annual Review of Progress in Quantitative Nondestructive Evaluation, 2014

Damage imaging using Lamb waves for SHM applications, T. Stepinski, Ł. Ambroziński, and T. Uhl, 41st Annual Review of Progress in Quantitative Nondestructive Evaluation, 2014