論文の概要: On the Detection of Internal Defects in Structured Media
- arxiv url: http://arxiv.org/abs/2509.16216v1
- Date: Sat, 06 Sep 2025 14:18:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-28 15:30:14.334061
- Title: On the Detection of Internal Defects in Structured Media
- Title（参考訳）: 構造媒体の内部欠陥検出について
- Authors: Bryl Nico M. Ong, Aarush Borker, Neil Jerome A. Egarguin, Daniel Onofrei,
- Abstract要約: 本研究は, 最小限の非侵襲的測定値のみを用いて, このような欠陥を画像化するためのロバストな戦略の開発に向けた考え方を紹介する。
まず、この問題がスプリング質量振動系とどのように等価であるかを実証し、その上で、ラプラス領域解析マップをどのように利用しているかを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: A critical issue that affects engineers trying to assess the structural integrity of various infrastructures, such as metal rods or acoustic ducts, is the challenge of detecting internal fractures (defects). Traditionally, engineers depend on audible and visual aids to identify these fractures, as they do not physically dissect the object in question into multiple pieces to check for inconsistencies. This research introduces ideas towards the development of a robust strategy to image such defects using only a small set of minimal, non-invasive measurements. Assuming a one dimensional model (e.g. longitudinal waves in long and thin rods/acoustic ducts or transverse vibrations of strings), we make use of the continuous one-dimensional wave equation to model these physical phenomena and then employ specialized mathematical analysis tools (the Laplace transform and optimization) to introduce our defect imaging ideas. In particular, we will focus on the case of a long bar which is homogeneous throughout except in a small area where a defect in its Young's modulus is present. We will first demonstrate how the problem is equivalent to a spring-mass vibrational system, and then show how our imaging strategy makes use of the Laplace domain analytic map between the characteristics of the respective defect and the measurement data. More explicitly, we will utilize MATLAB (a platform for numerical computations) to collect synthetic data (computational alternative to real world measurements) for several scenarios with one defect of arbitrary location and stiffness. Subsequently, we will use this data along with our analytically developed map (between defect characteristics and measurements) to construct a residual function which, once optimized, will reveal the location and magnitude of the stiffness defect.
- Abstract（参考訳）: 金属棒や音響ダクトなどの様々なインフラの構造的整合性を評価するエンジニアに影響を与える重要な問題は、内部の骨折(欠陥)を検出することにある。
伝統的に、エンジニアはこれらの骨折を識別するために可聴性および視覚的援助に依存しており、不整合をチェックするために、対象物を物理的に複数のピースに分解しない。
本研究は、最小限の非侵襲的測定値のみを用いて、そのような欠陥を画像化するための堅牢な戦略の開発に向けた考え方を紹介する。
一次元モデル(例えば長い棒/音響ダクトの縦波や弦の横振動)を仮定すると、連続した一次元波動方程式を用いてこれらの物理現象をモデル化し、特殊な数学的解析ツール(ラプラス変換と最適化)を用いて欠陥画像のアイデアを導入します。
特に、ヤング率の欠陥が存在する小さな領域を除いて、一様である長いバーの場合に焦点を当てる。
まず、この問題をスプリング質量振動系とどのように等価かを示し、その上で、各欠陥の特性と測定データとの間のラプラス領域解析マップをどのように利用しているかを示す。
より具体的には、MATLAB(数値計算用プラットフォーム)を用いて、任意の位置と剛性の1つの欠陥のあるいくつかのシナリオに対して、合成データ(実世界の測定に代わる計算データ)を収集する。
その後、解析的に開発された地図(欠陥特性と測定値)とともにこのデータを用いて残留関数を構築し、一度最適化すると剛性欠陥の位置と大きさが明らかになる。
関連論文リスト
- Physics-Guided Dual Implicit Neural Representations for Source Separation [70.38762322922211]
我々は,2つの暗黙的ニューラル表現フレームワークを用いて,ソース分離のための自己教師型機械学習手法を開発した。
本手法は,復元に基づく損失関数の最小化により,生データから直接学習する。
本手法は,様々な領域にまたがるソース分離問題に対処する汎用的なフレームワークを提供する。
論文 参考訳（メタデータ） (2025-07-07T17:56:31Z) - Network scaling and scale-driven loss balancing for intelligent poroelastography [2.665036498336221]
フルウェーブフォームデータからポリ弾性媒体のマルチスケールキャラクタリゼーションのためのディープラーニングフレームワークを開発した。
2つの大きな課題は、この目的のために既存の最先端技術を直接適用することを妨げる。
本稿では, ニューラルネットワークをスケーリング層に構成した単位形状関数を用いて, ニューラルプロパティマップを構築する, エンフェネティックスケーリングの考え方を提案する。
論文 参考訳（メタデータ） (2024-10-27T23:06:29Z) - Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。
この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。
提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
論文 参考訳（メタデータ） (2024-07-26T10:29:16Z) - Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。
さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。
提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文 参考訳（メタデータ） (2023-11-27T13:14:06Z) - Instance Segmentation of Dislocations in TEM Images [0.0]
材料科学において, 転位の位置と移動に関する知識は, 優れた特性を持つ新素材を作成する上で重要である。
本研究では,Mask R-CNNやYOLOv8など,最先端のインスタンスセグメンテーション手法を定量的に比較する。
インスタンスセグメンテーションの結果としての転位マスクは数学的直線に変換され、転位長と幾何の定量的解析が可能となる。
論文 参考訳（メタデータ） (2023-09-07T06:17:31Z) - Detecting hidden structures from a static loading experiment: topology optimization meets physics-informed neural networks [0.1227734309612871]
隠れた測地を識別するPINNに基づくトポロジ最適化フレームワークを提案する。
我々は,隠れた空洞と包含物の数,位置,形状を検出することによって,我々の枠組みを検証する。
本手法は,工学における幾何最適化問題を解くためのPINNの経路を開く。
論文 参考訳（メタデータ） (2023-03-13T12:44:32Z) - Physics-Informed Neural Networks for Material Model Calibration from
Full-Field Displacement Data [0.0]
本研究では,実環境下でのフルフィールド変位と大域力データからモデルのキャリブレーションを行うためのPINNを提案する。
拡張PINNは、実験的な1次元データと合成フルフィールド変位データの両方から材料パラメータを識別できることを実証した。
論文 参考訳（メタデータ） (2022-12-15T11:01:32Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。
我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。
製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文 参考訳（メタデータ） (2022-06-23T14:16:30Z) - Object-centric and memory-guided normality reconstruction for video
anomaly detection [56.64792194894702]
本稿では,ビデオ監視における異常検出問題に対処する。
異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。
我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
論文 参考訳（メタデータ） (2022-03-07T19:28:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。