論文の概要: Analog Computing revisited: A fully analog and minimalistic Damage Detector for Ultrasonic Testing enabling Material-Integrated Structural Health Monitoring

• arxiv url: http://arxiv.org/abs/2609.35478v1
• Date: Mon, 28 Sep 2026 15:56:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 05:02:46.737628
• Title: Analog Computing revisited: A fully analog and minimalistic Damage Detector for Ultrasonic Testing enabling Material-Integrated Structural Health Monitoring
• Title（参考訳）: アナログコンピューティング再考:材料集積型構造健康モニタリングを実現する超音波探傷用完全アナログ最小限損傷検出器
• Abstract要約: 我々は,完全アナログ信号処理と特徴抽出システムについて検討し,実演する。 この研究の焦点は、信号エンベロープとアナログ特徴抽出のアナログ計算と損傷の予測である。 円形欠陥を有する鋼板のPZTトランスデューサ信号を用いて損傷検出システムをテストする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Ultrasonic Testing (UT) is commonly used to detect damage in structures, e.g., metal plates. A sensor acquires Ultrasonic waves, e.g., by using PZT transducers. The time-resolved sensor signal must be processed with analog electronics, e.g., amplified and filtered. Commonly a digitalization follows using an Analog-to-Digital converter, finally processing the digital sensor signal, applying digital signal processing, feature extraction, and Machine Learning by using powerful microprocessor systems. The disadvantages of digital processing systems are their high number of transistors (microchip area), energy consumption, state-dependent processing and therefore sensitivity to energy supply interruption. Beyond silicon electronics, printed organic electronics gains interest. But printed electronics is still limited to low transistor and electronic component counts (typically 100). We will investigate and demonstrate a fully analog signal processing and feature extraction system consisting of an analog Hilbert transform deriving the signal envelope, simple analog arithmetic calculations for feature extraction, and finally damage classification and regression using an analog Artificial Neural Network. We expect a full damage detection system with less than 100 transistors. We will test our damage detection system with PZT transducer signals from Steel plates with circular defects. The focus of this work is the analog computation of the signal envelope (using all-pass filter networks for approximation of the Hilbert transform) and the analog feature extraction as well as the prediction of damage, forming an analog computer which can perform in-sensor computation, computing without a digital computer.
• Abstract（参考訳）: 超音波探傷(UT)は一般に金属板などの構造物の損傷を検出するために用いられる。 センサは、PZTトランスデューサを用いて超音波、egを取得する。 タイムリゾルドセンサー信号はアナログエレクトロニクス(例えば増幅・フィルタリング)で処理されなければならない。 一般的にはアナログ・デジタル変換器を用いてデジタル化を行い、最終的にデジタルセンサ信号を処理し、強力なマイクロプロセッサシステムを用いてデジタル信号処理、特徴抽出、機械学習を適用する。 デジタル処理システムの欠点は、多くのトランジスタ(マイクロチップ領域)、エネルギー消費、状態依存処理、したがってエネルギー供給の中断に対する感度である。 シリコンエレクトロニクス以外にも、印刷された有機エレクトロニクスが関心を集めている。 しかし、プリントされた電子回路は依然として低トランジスタと電子部品数(典型的には100)に限られている。 本稿では,信号エンベロープを導出するアナログヒルベルト変換,特徴抽出のための単純なアナログ算術演算,そしてアナログニューラルネットワークを用いた損傷分類と回帰を含む完全アナログ信号処理と特徴抽出システムについて検討し,実演する。 100個未満のトランジスタによる損傷検出システムの実現を期待する。 円形欠陥を有する鋼板のPZTトランスデューサ信号を用いて損傷検出システムをテストする。 この研究の焦点は、信号エンベロープ(ヒルベルト変換の近似にオールパスフィルタネットワークを用いる)とアナログ特徴抽出のアナログ計算と損傷の予測であり、デジタルコンピュータのないアナログコンピュータを形成することである。

関連論文リスト

• Machine Learning-Based Reconstruction for Resistive Silicon Sensors [53.365453214937496]
  抵抗型シリコンセンサの機械学習による再構成と圧縮について検討した。 相関パッドからのフルウェーブフォーム情報を用いて、再構成を規則化し、空間情報を抽出する。 まず、LSTM層に基づくリカレントニューラルネットワークモデルを紹介し、フルウェーブフォーム再構成のための概念実証実装を提供する。
  論文  参考訳（メタデータ） (2026-07-13T14:03:26Z)
• Mechanical in-sensor computing: a programmable meta-sensor for structural damage classification without external electronic power [41.70275766820096]
  構造振動情報を物理的に処理するためのプログラム可能なメタマテリアルベースセンサ(MMセンサ)を提案する。 我々はLRMPのバンドギャップ特性を利用して、損傷前後の構造物の動的挙動を物理的に区別する。 これは、9.54Hzから81.86Hzまでの最初の自然周波数を持つエンジニアリングシステムに有効である。
  論文  参考訳（メタデータ） (2025-05-24T08:08:02Z)
• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• DTP-Net: Learning to Reconstruct EEG signals in Time-Frequency Domain by Multi-scale Feature Reuse [7.646218090238708]
  学習可能な時間周波数変換を挟んだDTP(Densely Connected Temporal Pyramid)で構成された、DTP-Netと呼ばれる完全な畳み込みニューラルネットワークを提案する。 脳波信号は様々なアーティファクトによって容易に破壊され、疾患診断や脳-コンピュータインターフェース(BCI)などのシナリオにおいて、信号品質を改善するためにアーティファクトの除去が重要となる 2つの公開セミシミュレートされたデータセットで実施された大規模な実験は、DTP-Netの効果的なアーティファクト除去性能を示す。
  論文  参考訳（メタデータ） (2023-11-27T11:09:39Z)
• Integrate-and-fire circuit for converting analog signals to spikes using phase encoding [4.485617023466674]
  2つの戦略は、エンド・ツー・エンドのニューロモルフィック・アプリケーションにおいて、低エネルギー消費と高速な処理速度を達成することを約束している。 本稿では,連続的なアナログ信号を時間コードスパイクの列に符号化するための,漏洩集積・発火ニューロンモデルの屈折周期の適応制御を提案する。 デジタルニューロモルフィックチップは生成されたスパイク列車を処理し、フーリエ変換のスパイクバージョンを用いて信号の周波数スペクトルを計算した。
  論文  参考訳（メタデータ） (2023-10-03T13:55:46Z)
• SPAIC: A sub-$\mu$W/Channel, 16-Channel General-Purpose Event-Based Analog Front-End with Dual-Mode Encoders [6.6017549029623535]
  低消費電力イベントベースのアナログフロントエンドは、効率的なニューロモルフィック処理システムを構築するために不可欠である。 我々は、SPAIC(Signal-to-Spike converter for analog AI computing)と呼ばれる新しい、非常にアナログなフロントエンドチップを提案する。 デルタ変調とパルス周波数変調を備えた汎用的なデュアルモードアナログ信号対スパイク符号化と可変周波数帯域を提供する。
  論文  参考訳（メタデータ） (2023-08-31T19:53:04Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• Single-Shot Optical Neural Network [55.41644538483948]
  深層ニューラルネットワークに必要な計算資源を削減するために,「重定常」アナログ光学・電子ハードウェアが提案されている。 我々は、スケーラブルで1層当たり単発の重み付き光学プロセッサを提案する。
  論文  参考訳（メタデータ） (2022-05-18T17:49:49Z)

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。