No description available.

This thesis presents a fully integratable read-out front-end for recording from piezoelectric sensors. It is proposed to periodically reset the input signal to avoid build-up of large voltages across the circuit input terminals. Digitizing the signal after buffering allows removal of the reset steps in the digital domain, thus yielding a faithful representation of the applied input force variation. Different realignment algorithms are presented in this thesis, and the measured results as well as the simulated results from a bench setup are reported which confirm a 52.5 dB dynamic range and recording of frequencies as low as 0.55 Hz. It is also shown the effect of input current leakage is reduced. The proposed system is simulated using the Cadence Spectre simulator, Synopsys HSPICE and National Instruments LabVIEW to confirm its operation. Different realignment algorithms are examined using MATLAB. The read-out circuit is further realized by 0.35 £gm 2-poly 4-metal Taiwan Semiconductor Manufacturing Company (TSMC) process technology. The chip measured results are reported and compared to the simulation. The measured implementation yields a pressure recording range of 0.4 N to 169 N, while consuming 230 £gW from 3 V supplies.

Currently technologies such as EEG, EMG and EOG recordings are the established methods used in the analysis of sleep. But if these methods are to be employed to study sleep in rodents, extensive surgery and recovery is involved which can be both time consuming and costly. This thesis presents and analyzes a cost effective, non-invasive, high throughput system for detecting the sleep and wake patterns in mice using a piezoelectric sensor. This sensor was placed at the bottom of the mice cages to monitor the movements of the mice. The thesis work included the development of the instrumentation and signal acquisition system for recording the signals critical to sleep and wake classification. Classification of the mouse sleep and wake states were studied for a linear classifier and a Neural Network classifier based on 23 features extracted from the Power Spectrum (PS), Generalized Spectrum (GS), and Autocorrelation (AC) functions of short data intervals. The testing of the classifiers was done on two data sets collected from two mice, with each data set having around 5 hours of data. A scoring of the sleep and wake states was also done via human observation to aid in the training of the classifiers. The performances of these two classifiers were analyzed by looking at the misclassification error of a set of test features when run through a classifier trained by a set of training features. The best performing features were selected by first testing each of the 23 features individually in a linear classifier and ranking them according to their misclassification rate. A test was then done on the 10 best individually performing features where they were grouped in all possible combinations of 5 features to determine the feature combinations leading to the lowest error rates in a multi feature classifier. From this test 5 features were eventually chosen to do the classification. It was found that the features related to the signal energy and the spectral peaks in the 3Hz range gave the lowest errors. Error rates as low as 4% and 9% were achieved from a 5-feature linear classifier for the two data sets. The error rates from a 5-feature Neural Network classifier were found to be 6% and 12% respectively for these two data sets.

In the western hemisphere, the piano is one of the most important instruments. While its evolution lasted for more than three centuries, and the most important physical aspects have already been investigated, some parts in the characterization of the piano remain not well understood. Considering the pivotal piano soundboard, the effect of ribs mounted on the board exerted on the sound radiation and propagation in particular, is mostly neglected in the literature. The present investigation deals exactly with the sound wave propagation effects that emerge in the presence of an array of equally-distant mounted ribs at a soundboard. Solid-state theory proposes particular eigenmodes and -frequencies for such arrangements, which are comparable to single units in a crystal. Following this 'linear chain model' (LCM), differences in the frequency spectrum are observable as a distinct band structure. Also, the amplitudes of the modes are changed, due to differences of the damping factor. These scattering effects were not only investigated for a well-understood conceptional rectangular soundboard (multichord), but also for a genuine piano resonance board manufactured by the piano maker company 'C. Bechstein Pianofortefabrik'. To obtain the possibility to distinguish between the characterizing spectra both with and without mounted ribs, the typical assembly plan for the Bechstein instrument was specially customized. Spectral similarities and differences between both boards are found in terms of damping and tone. Furthermore, specially prepared minimal-invasive piezoelectric polymer sensors made from polyvinylidene fluoride (PVDF) were used to record solid-state vibrations of the investigated system. The essential calibration and characterization of these polymer sensors was performed by determining the electromechanical conversion, which is represented by the piezoelectric coefficient. Therefore, the robust 'sinusoidally varying external force' method was applied, where a dynamic force perpendicular to the sensor's surface, generates movable charge carriers. Crucial parameters were monitored, with the frequency response function as the most important one for acousticians. Along with conventional condenser microphones, the sound was measured as solid-state vibration as well as airborne wave. On this basis, statements can be made about emergence, propagation, and also the overall radiation of the generated modes of the vibrating system. Ultimately, these results acoustically characterize the entire system. / Betrachtet man den westlichen Kulturkreis, ist der Flügel bzw. das Klavier wohl eines der bedeutendsten Instrumente. Trotz einer stetigen, empirischen Weiterentwicklung dieses Instrumentes in den letzten drei Jahrhunderten und des Wissens um die wichtigsten physikalischen Effekte, sind viele Teile der Charakterisierung des Klaviers (sowohl akustisch als auch physikalisch) immer noch nicht vollständig verstanden. Nehmen wir nur den Resonanzboden - das entscheidende Bauteil für die Akustik eines Klaviers - und betrachten die Auswirkung, den die Berippung auf die Schallausbreitung des Instruments hat. Bis auf wenige Ausnahmen wird dieser Struktur-Aspekt in der Literatur weitestgehend übergangen. Die vorliegende Arbeit untersucht genau diese Ausbreitungscharakteristiken und Streueffekte, welche dadurch entstehen, dass Rippen, die denselben Abstand zueinander haben, auf dem Resonanzboden angebracht werden. Die Festkörperphysik stellt ein einfaches Modell über die Eigenfrequenzen für solche Anordnungen bereit. Dafür werden die Rippen und deren Abstände wie Einheitszellen eines Kristalls betrachtet. Ausgehend vom sogenannten 'Modell der linearen Ketten', werden gemessene Frequenzbänder im Spektrum erklärbar. Zusätzlich ändern sich auch die spektralen Amplituden des Resonanzbodens durch das Anbringen der Rippen. Diese Streueffekte wurden nicht nur an einem konzeptionellen rechteckigen Resonanzboden untersucht, sondern auch an einem originalen Klavier-Resonanzboden, welcher von dem Klavierbauer 'C. Bechstein Pianofortefabrik' hergestellt wurde und auch später in einem fertigen Klavier zum Einsatz kommen wird. Der traditionelle Zusammenbau des Klaviers wurde speziell für diese Untersuchung abgeändert, um die Möglichkeit zu haben, die Berippung des Resonanzbodens spektral zu charakterisieren. Alle gefundenen Eigenschaften des konzeptionellen und des originalen Bodens wurden verglichen. Für die Dämpfung und für die Brillianz des Tons wurden Übereinstimmungen, aber auch Unterschiede gefunden. Ein großer Teil dieser Untersuchung erforderte den Einsatz von speziell angefertigten piezoelektrischen Polymer-Beschleunigungsaufnehmern aus Polyvinylidenfluorid. Direkt fest eingeklebt im Instrument, wurden diese eingesetzt, um die Körperschwingungen des vibrierenden Systems aufzunehmen. Die essentielle Kalibrierung und Charakterisierung dieser Sensoren wurde durchgeführt, indem die elektromechanische Umwandlung bestimmt wurde, die durch den piezoelektrischen Koeffizienten gegeben ist. Durch eine sinusförmig variierende, externe Kraft und die dadurch entstehenden Ladungsträger an den Oberflächen des Sensormaterials kann dieser Koeffizient sehr genau bestimmt werden. In Abhängigkeit entscheidender physikalischer Größen, z.B. der Frequenz-Antwort-Funktion, wurde das Verhalten des piezoelektrischen Koeffizienten untersucht. Die erzeugten Vibrationen als Körperschall (aufgenommen durch die Piezopolymere) und als Luftschallwelle (aufgenommen durch konventionelle Kondensator-Mikrophone) wurden simultan gemessen und dann untersucht. Daraus kann man Aussagen über Entstehung, Ausbreitung und Abstrahlung der erzeugten Moden in das umgebende Medium ableiten. Letztlich charakterisieren diese Ergebnisse das gesamte vibrierende System akustisch.

This thesis examines the application of a Support Vector Machine (SVM) classifier to automatically detect sleep and quiet wake (rest) behavior in mice from pressure signals on their cage floor. Previous work employed Neural Networks (NN) and Linear Discriminant Analysis (LDA) to successfully detect sleep and wake behaviors in mice. Although the LDA was successful in distinguishing between the sleep and wake behaviors, it has several limitations, which include the need to select a threshold and difficulty separating additional behaviors with subtle differences, such as sleep and rest. The SVM has advantages in that it offers greater degrees of freedom than the LDA for working with complex data sets. In addition, the SVM has direct methods to limit overfitting for the training sets (unlike the NN method). This thesis develops an SVM classifier to characterize the linearly non separable sleep and rest behaviors using a variety of features extracted from the power spectrum, autocorrelation function, and generalized spectrum (autocorrelation of complex spectrum). A genetic algorithm (GA) optimizes the SVM parameters and determines a combination of 5 best features. Experimental results from over 9 hours of data scored by human observation indicate 75% classification accuracy for SVM compared to 68% accuracy for LDA.

Το αντικείμενο της εργασίας είναι ο υπολογισμός του καρδιακού και αναπνευστικού παλμού με επεξεργασία του σήματος που λαμβάνεται με χρήση πιεζοηλεκτρικού αισθητήρα. Ο αισθητήρας είναι τοποθετημένος στον λαιμό και ανιχνεύει ένα σήμα που περιλαμβάνει τόσο τον καρδιακό, όσο και τον αναπνευστικό ρυθμό. Η δειγματοληψία και μετατροπή του σήματος σε ψηφιακό γίνεται με χρήση του microcontroller MSP430F149 ο οποίος προγραμματίζεται κατάλληλα για το σκοπό αυτό. Το ψηφιακό αυτό σήμα επεξεργάζεται με κατωδιαβατό φίλτρο πεπερασμένης κρουστικής απόκρισης προκειμένου να αποκοπούν οι υψηλές συχνότητες και υπολογίζεται η ενέργεια του προκύπτοντος σήματος. Εν συνεχεία με χρήση του FFT, και κατάλληλων φίλτρων γίνεται ο διαχωρισμός του σήματος σε αναπνοής και καρδιακού ρυθμού. / -

Στα πλαίσια της παρούσας διπλωματικής εργασίας πραγματοποιείται μελέτη και υλοποίηση μεθοδολογιών εντοπισμού Ακουστικής Εκπομπής (ΑΕ) στα πλαίσια του Μη Καταστροφικού Ελέγχου (ΜΚΕ). Αρχικά παρουσιάζονται οι γενικότερες κατηγορίες μεθόδων ΜΚΕ και γίνεται μια κριτική ανάλυση των δημοφιλέστερων. Επίσης γίνεται αναφορά στο φαινόμενο του πιεζοηλεκτρισμού καθώς και των βασικότερων χαρακτηριστικών των πιεζοηλεκτρικών αισθητήρων που χρησιμοποιούνται ευρέως για την μέτρηση σημάτων ΑΕ. Εν συνεχεία πραγματοποιείται μια εκτενής αναφορά στη μέθοδο της ΑΕ, παρουσιάζοντας τα πλεονέκτημα και μειονεκτήματα της μεθόδου, τον τρόπο παραγωγής και διάδοσης των ακουστικών κυμάτων, τα φαινόμενα της εξασθένισης και της ταχύτητας διάδοσης καθώς και τον απαραίτητο εξοπλισμό για την μέτρηση των σημάτων ΑΕ. Αναφέρονται τα είδη σημάτων ΑΕ, οι βασικές παράμετροι που χρησιμοποιούνται παραδοσιακά για τον εντοπισμό και ανάλυση αστοχιών καθώς και θεωρητικά μοντέλα για την προσομοίωση τέτοιων σημάτων στο Η/Υ. Εν συνεχεία αναλύεται το σημαντικό θέμα του εντοπισμού της θέσης της ακουστικής εκπομπής εξετάζοντας διάφορες μεθοδολογίες που έχουν αναπτυχθεί στην βιβλιογραφία. Οι μέθοδοι χρησιμοποιούν τους χρόνους άφιξης των σημάτων ή κάποιων χαρακτηριστικών αυτών για να υπολογίσουν την απόσταση αισθητήρων – πηγής και τελικά την θέση της πηγή. Τέλος παρουσιάζεται και αξιολογείται μεθοδολογία εντοπισμού της θέσης της ΑΕ υπολογίζοντας τους διαφορετικούς χρόνους άφιξης των φασματικών συνιστωσών του σήματος σε ένα αριθμό αισθητήρων. Αρχικά αναπτύχθηκε αλγόριθμος για τον υπολογισμό των χρόνων άφιξης των φασματικών χαρακτηριστικών χρησιμοποιώντας τα φίλτρα Goertzel. Ο αλγόριθμος υλοποιήθηκε σε υπολογιστικό μοντέλο (μέσω του λογισμικού MATLAB ) και αξιολογήθηκε για διαφορετικές θέσεις της πηγής. Σε κάθε περίπτωση η μέθοδος υπολογίζει με μεγάλη ακρίβεια τους χρόνους άφιξης των χαρακτηριστικών . Έχοντας μετρήσει τους χρόνους άφιξης οι κανονικοποιημένες αποστάσεις υπολογίζονται ελαχιστοποιώντας την συνάρτηση τετραγωνικού σφάλματος μεταξύ των πραγματικών χρόνων και των μετρούμενων χρόνων των φασματικών συνιστωσών και τέλος η ακριβής θέση της πηγής υπολογίζεται αναλυτικά ελαχιστοποιώντας την συνάρτηση τετραγωνικού σφάλματος μετρούμενων και πραγματικών αποστάσεων πηγής και αισθητήρων. Οι παραπάνω αλγόριθμοι υλοποιήθηκαν σε υπολογιστικά μοντέλα και αξιολογήθηκαν σε διάφορα υπολογιστικά πειράματα. Στα παραπάνω πειράματα δοκιμάζονται οι αλγόριθμοι για διαφορετικές θέσεις πηγής και αισθητήρων στο επίπεδο και τον χώρο. Επίσης αναλύεται η επίδραση του θορύβου των μετρήσεων προσθέτοντας λευκό Γκαουσιανό θόρυβο στις αρχικές παραμέτρους.Εδώ πρέπει να εξεταστεί η τροποποίηση του αλγορίθμου και η χρήση παραπάνω αισθητήρων για την μείωση της επίδρασης του θορύβου. / The objective of this thesis is the study and implementation of several methods for the Acoustic Emission (AE) source location. The thesis starts with a critical survey of several Non Destructive Testing (NDT) techniques as well as with a presentation of the basic characteristics of piezoelectric sensors. An extensive presentation of the AE method follows, including topics as the advantages and disadvantages of the method, acoustic emission sources and propagation of AE waves, attenuation and wave velocity, instrumentation. The different types of AE source signals as well as their basic parameters used to detect and identify several structural faults are reported. The methods of AE source location are analyzed. Most of methods use AE signals or signal characteristics Time of Arrival (TOA) to estimate the distances between the source and the sensors and finally the exact source location. Finally, an algorithm for calculation of TOA of several frequencies on different sensors is developed. The algorithm uses Goertzel filters on a moving window of the original signal to identify the TOA of different frequencies. Algorithm is implemented in MATLAB and its performance is evaluated using different source – sensors configurations. In all cases algorithm estimates with high accuracy the TOA . Based on the estimated TOA the normalized distances are estimated by minimizing the Sum of Square Errors (SSE) between the calculated and the real TOA and finally, the AE source location is estimated by minimizing the SSE between the calculated and the real distances between sensors and the AE source. The above algorithms are implemented in MATLAB as well, and their performance is evaluated for different configurations and noise levels.

No description available.

This research reviews and extends the impedance-based structural health monitoring technique in order to detect and identify structural damage on various complex structures. The basic principle behind this technique is to apply high frequency structural excitations (typically higher than 30 kHz) through the surface-bonded piezoelectric transducers, and measure the impedance of structures by monitoring the current and voltage applied to the transducers. Changes in impedance indicate changes in the structure, which in turn can indicate that damage has occurred. Several case studies, including a pipeline structure, a composite reinforced aluminum plate, a precision part (gear), a quarter-scale bridge section, and a steel pipe header, demonstrate how this technique can be used to detect damage in real-time. A method to process impedance measurements to prevent significant temperature and boundary condition changes registering as damage has been developed and implemented. Furthermore, the feasibility of using the technique for high temperature structures and for condition monitoring of critical facilities subjected to a severe natural disaster has been investigated. While the impedance-based structural health monitoring technique indicates qualitatively that damage has occurred, more information on the nature of damage is necessary for remote structures. In this research, two different damage identification schemes have been combined with the impedance method in order to quantitatively assess the state of structures. One is based on a wave propagation modeling, and the other is the use of artificial neural networks. A newly developed wave propagation model has been developed and combined with the impedance method in order to estimate the severity of damage. Numerical and experimental investigations on 1-dimensional structures were presented to illustrate the effectiveness of the combined approach. Furthermore, to avoid the complexity introduced by conventional computational methods in high frequency ranges, multiple sets of artificial neural networks were integrated with the impedance-based health monitoring technique. By incorporating neural network features, the technique is able to detect damage in its early stage and to determine the severity of damage without prior knowledge of the model of structures. The dissertation concludes with experimental examples, investigations on a quarter-scale steel bridge section and a space truss structure, in order to verify the performance of the proposed methodology. / Ph. D.

Mέσα στα πλαίσια της διπλωματικής αυτής προσεγγίστηκε μια νεα τεχνική για τη διάγνωση σφαλμάτων τετράχρονης μηχανής. Αυτή η τεχνική βασίζεται πάνω σε πιεζοηλεκτρικά υλικά και αισθητήρες και υλοποιεί την ικανότητά τους να μετατρέπουν μηχανική τάση ή πίεση σε ηλεκτρική τάση. Αυτοί οι αισθητήρες τοποθετούνται πάνω στη μηχανή και το παραγόμενο σήμα δειγματοληπτείται και περνά απο μια επεξεργασία με σκοπό την αποκόμιση μιας διάγνωσης για την κατάσταση στην οποία βρίσκεται η μηχανή αλλά και για τη συνεχή παρακολούθηση αυτής. Κατα την εκπόνηση της διπλωματικής, διαφορετικές τεχνικές για την εύρεση σφαλμάτων μηχανής χρησιμοποιούνται και προσεγγίζονται διαφορετικοί αλγόριθμοι δειγματοληψίας και επεξεργασίας με σκοπό να εξασφαλισθεί ο πιο αποδοτικός για την εφαρμογή αυτή. Ακόμα, η χρήση και οι ικανότητες των σύγχρονων ενσωματωμένων συστημάτων ερευνώνται και πιο συγκεκριμμένα του μικροεπεξεργαστή της Analog, τον ADuC7020, πάνω στον οποίο βασίζεται και η διπλωματική αυτή, για την υλοποίηση της συσκευής εντοπισμού σφαλμάτων και τον προγραμματισμό αυτής. Κατα την φάση της εξομοίωσης, ένα ημιτονοειδές σήμα χρησιμοποιήθηκε για την προσέγγιση του ήχου της μηχανής. Στο στάδιο της επεξεργασίας του σήματος χρησιμοποιήθηκε ψηφιακό φίλτρο πεπερασμένης κρουστικής απόκρισης (FIR) και τροποποιημένος αλγόριθμος DFT για τη δειγματοληψία και την επεξεργασία του ψηφικοποιημένου σήματος αλλά και για την αναγνώριση της συχνότητας. Πιο συγκεκριμένα, υλοποιήθηκε ο βελτιστοποιημένος αλγόριθμος Goertzel ο οποίος προτιμήθηκε για την επίτευξη μεγαλύτερων ταχυτήτων. Τέλος, υλοποιήθηκε και η τεχνική της υπερδειγματοληψίας για την επίτευξη μεγαλύτερης ακρίβειας. Ο προγραμματισμός έγινε σε γλώσσα C και το λογισμικό που χρησιμοποιήθηκε ήταν το μVision4 της Keil. / At the present thesis we examine the automatic fault detection in petrol engines using piezoelectric sensors in embedded systems.