Quality Control of Ceramic Pieces by Means of Vibration Analysis and Artificial Neuronal Networks
Gerardo Barrera C.1, Guillermo Carreón G.1 y Alberto Ruiz M.*
1 Instituto de Investigaciones Metalúrgicas, Universidad Michoacana Apartado. Postal 888, Morelia, Michoacán. CP 58000 Teléfono 443 322 3500, Ext. 4007, fax: 443 316 8355 e–mails: gbarrera@zeus.umich.mx, carreon@zeus.umich.mx ; lruizq@jupiter.umich.mx *
Artículo recibido en febrero 02, 2004
Aceptado en noviembre 11, 2004
Resumen
El principal objetivo del presente trabajo es encontrar una técnica rápida, sencilla y confiable de diagnostico para detectar fisuras internas o externas de piezas cerámicas utilizando como herramienta de clasificación redes neuronales artificiales. La metodología propuesta esta orientada principalmente a mosaicos cerámicos. Se utiliza como instrumento transductor para detectar las vibraciones mecánicas un acelerómetro del tipo piezoeléctrico. La señal eléctrica (analógica) generada por el transductor, la cuál es directamente proporcional a la magnitud de la vibración, es digitalizada por medio de una tarjeta tipo DAQ. La fase de adquisición de datos, acondicionamiento, procesamiento de la señal, entrenamiento de las redes neuronales, así como la fase de clasificación se lleva a cabo utilizando el lenguaje de programación G El sistema esta diseñado bajo plataforma de Windows® 2000 e Instrumentación Virtual. Para el proceso de clasificación se proponen dos algoritmos: Kohonen y Fuzzy C Means.
Palabras clave: Control de calidad, Cerámicos, Transductores, Conversión de señales A/D, Transformada Rápida de Fourier, Redes Neuronales Artificiales, Instrumentación Virtual.
Abstract
The main purpose of this work is to find a fast and reliable diagnostic technique, for detection of internal or external cracks on ceramic specimens. This technique uses artificial neuronal networks (ANN) as a classification tool. The proposed methodology is mainly oriented to ceramic mosaics. A piezoelectric type accelerometer was used to detect the mechanical vibration and convert it to an electrical signal. The detected signal was digitized using a DAQ card. All the stages: data acquisition, signal conditioning, signal processing and neuronal networks training were carried out using G program language routines. The designed system runs under Windows® 2000 platform and virtual instrumentation. To do the classification process the proposed algorithms are Kohonen and Fuzzy C Means.
Keywords: Quality control, ceramics, transducers, A/D signal conversion, Fourier rapid transform, artificial neuronal networks, virtual instrumentation.
DESCARGAR ARTÍCULO EN FORMATO PDF
]]>Agradecimientos
Los autores quieren agradecer a las autoridades de la Universidad Michoacana de San Nicolás de Hidalgo por todas las facilidades otorgadas para la realización de este trabajo de investigación.
Referencias
1. A.G. Guy, Fundamentos de Ciencia de Materiales, McGraw–Hill, México 1980, pp 189–237. [ Links ]
2. F. Arrufat, U. Novick, M.P.Frigerio, G. Sardelli, Determianción de modulos de Young, Universidad Favaloro, Bs. As. Argentina, Julio 2001, pp 1–8. [ Links ]
3. "DataEngine V.i. "Data Mining by Intelligent Data Analysis" Manuals and Tutorials. Management Intelligenter Technologien GmbH. http://www.mitgmbh.de [ Links ]
4. Granino A. Korn, Neural Networks and Fuzzy Logic Control on Personal Computers and Workstations, MIT Press, 1995, pp 97–135. [ Links ]
5. John Durkin, "Expert Systems, Design and Development", Macmillan Publishing, New York, 1994, pp 33–39. [ Links ]
6. Timothy Masters, "Practical Neural Networks Recipes in C++", Academic Press, 1993. [ Links ] ]]>