Unsupervised Fouling Reconstruction in the Pipe Bend

Denys Iablonskyi, Carlos-Omar Rasgado-Moreno, Madis Ratassepp, Arto Klami, Edward Haeggström, Ari Salmi

Tutkimustuotos: Artikkeli kirjassa/raportissa/konferenssijulkaisussaKonferenssiartikkeliTieteellinenvertaisarvioitu

Abstrakti

Guided wave tomography allows the investigation of extended areas with a limited number of measurements, typically using transducer arrays. Most imaging methods rely heavily on the material properties such as dispersion curves, that in the case of fouling deposition are not always known. In the case of complex shaped structures, geometrical anisotropy can bring additional complexity. Here we present an unsupervised machine learning approach based on the Gaussian process to detect and characterize the fouling in a pipe bend that relies only on the difference between clean/healthy and fouled/damaged measured signals.
Alkuperäiskielienglanti
Otsikko2023 International Ultrasonics Symposium
Sivumäärä3
KustantajaIEEE
Julkaisupäivä7 marrask. 2023
ISBN (painettu)979-8-3503-4646-6
ISBN (elektroninen)979-8-3503-4645-9
DOI - pysyväislinkit
TilaJulkaistu - 7 marrask. 2023
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
Tapahtuma2023 IEEE International Ultrasonics Symposium (IUS) - Palais des congrès de Montréal, Montréal, Kanada
Kesto: 3 syysk. 20238 syysk. 2023

Julkaisusarja

Nimi
ISSN (painettu)1948-5719
ISSN (elektroninen)1948-5727

Tieteenalat

  • 114 Fysiikka

Siteeraa tätä