Untersuchung von Schalleigenschaften zur Defekterkennung an stehenden Bäumen
Die vorliegende Arbeit untersucht die Eignung der Schalleigenschaften Amplitude, Dämpfung, Energie und Frequenz zur Defekterkennung an stehenden Bäumen. Weiterhin wurde untersucht, ob auf einzelne Abtastraten und Klopfstärken ohne Informationsverlust verzichtet werden kann, um die Messzeit zu verkürzen. Dafür wurden Daten mithilfe des neuen impactor-Tomographen an defektfreien und defekten Bäumen aufgenommen. Die Auswertung erfolgte in der Software "Orange Data Mining" mithilfe des Klassikators "Extreme Gradient Boosting". Die Ergebnisse zeigen, dass grundsätzlich eine Defekterkennung mithilfe dieser Schalleigenschaften möglich ist. Der Klassikator konnte durchschnittlich 80 % der Daten korrekt klassizieren. Die Amplitude scheint dabei die relevanteste Information zu sein. Bezüglich des Verzichtens von Abtastraten und Klopfstärken konnte noch keine abschließende Aussage getroffen werden. Insgesamt bedarf es mehr Daten, um diese Fragen sicher beantworten zu können.
This paper analyses the amplitude, damping, energy and frequency of sonic signals to detect defects in standing trees. Furthermore, it was investigated whether there are combinations of sample rates and tapping strengths that can be skipped to reduce the measuring time. Data of sound and defect trees was collected with the impactor, a new sonic tomograph. The analysis was done in the software Orange Data Mining, using Extreme Gradient Boosting as classicator. The results show that it is possible to detect defects using these four sonic characteristics. The classicator was able to classify a mean of 80 % of the data correctly. It seems that the amplitude contains the most relevant information. Regarding the skipping of sample rates and tapping strengths, it was not possible to find a final result. As always, more data is needed.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
