Application of machine learning classifiers to elastic wave signal analysis and diagnostics of bolted joints

A laboratory model of a portal frame was tested. Piezoelectric transducers were used to excite and measure elastic waves. As a result, 2,100 patterns were collected for various connection state scenarios (7 classes). Subsequently, a multi‑level diagnostic system for fault detection and classification was developed. After training, it achieved flawless classification results, offering an alternative to previously applied approaches for this task SSN, ANN. Furthermore, it was demonstrated that the significance of the principal components does not correspond to their normalised order.

---

Badaniom poddano laboratoryjny model ramy portalowej. Do wzbudzania i pomiaru fal sprężystych zastosowano przetworniki piezoelektryczne. W rezultacie zebrano 2100 wzorców różnych scenariuszy stanu połączenia (7 klas). Następnie zbudowano wielopoziomowy system diagnostyczny do wykrywania i klasyfikacji usterek. Po jego wytrenowaniu możliwe było uzyskanie bezbłędnych wyników klasyfikacji, co stanowi alternatywę dla wcześniej stosowanych w tym zadaniu podejść SSN, ANN. Ponadto wykazano, że istotność składników głównych nie jest tożsama z unormowaną ich kolejnością.