[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_ph%C3%A1t%20x%E1%BA%A1%20%C3%A2m%20thanh{\"limit\":5}":3,"_public_topic_byId_phát xạ âm thanh":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":10,"synonyms":10,"definition":17,"discipline":18,"references":19,"faqs":42,"createUser":52,"publishUser":56,"keywords":60,"keywordCount":71,"enrichTopicLink":72,"status":73,"createTime":74,"updateTime":75,"publishTime":76,"linkEnrichedTime":77,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":78,"relateTopics":79},"phát xạ âm thanh","Phát xạ âm thanh là gì? Các nghiên cứu khoa học liên quan","Phát xạ âm thanh (acoustic emission) là hiện tượng phát sinh sóng cơ học trong vật liệu khi chịu ứng suất hoặc biến dạng cục bộ, phản ánh các quá trình nứt gãy vi mô và tái sắp xếp cấu trúc. Kỹ thuật đo sử dụng cảm biến piezoelectric thu nhận tín hiệu siêu âm lan truyền qua cấu trúc, giúp giám sát nứt gãy, mòn và đánh giá tình trạng kết cấu không phá hủy. ","\u003Ch2>Định nghĩa Phát xạ âm thanh\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>Phát xạ âm thanh\u003C\u002Fstrong> (\u003Cem>Acoustic emission\u003C\u002Fem>) Phát xạ âm thanh là hiện tượng sóng đàn hồi quá độ được sinh ra do sự giải phóng năng lượng cơ học tức thời từ các nguồn cục bộ biến dạng dẻo, vi nứt vỡ hoặc chuyển pha vật liệu bên trong kết cấu khi chịu tác dụng của tải trọng cơ học nhiệt độ.\u003C\u002Fp>\n\u003Cp>AE xảy ra khi ứng suất vượt qua ngưỡng nội tại của vật liệu, dẫn đến sự di chuyển đứt gãy vi mô, ma sát giữa các hạt, lan truyền vết nứt hoặc sự tái sắp xếp {{topic|%7B%22topic%22%3A%22c%E1%BA%A5u%20tr%C3%BAc%20tinh%20th%E1%BB%83%22%7D}}. Tần số phổ của tín hiệu AE thường nằm trong khoảng 100 kHz – 1 MHz, với biên độ và dạng sóng phản ánh cơ chế phát sinh.\u003C\u002Fp>\n\u003Cp>Các thông số cơ bản của sự kiện AE bao gồm:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Amplitude:\u003C\u002Fstrong> Biên độ tối đa của sóng, liên quan đến năng lượng giải phóng.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Energy:\u003C\u002Fstrong> Diện tích dưới đường cong biên độ theo thời gian, tính bằng đơn vị volt–microgiây hoặc tích phân từ đầu đến cuối sự kiện.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Counts:\u003C\u002Fstrong> Số lần tín hiệu vượt ngưỡng đặt trước, dùng để đánh giá tần suất phát xạ.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Nguyên lý vật lý\u003C\u002Fh2>\n\u003Cp>Sóng phát xạ âm thanh tuân theo phương trình sóng trong môi trường đàn hồi không hấp thụ nhiều năng lượng:  \n\u003Cscript type=\"math\u002Ftex\">\n\\nabla^2 u(\\mathbf{r},t) - \\frac{1}{c^2}\\frac{\\partial^2 u(\\mathbf{r},t)}{\\partial t^2} = 0\n\u003C\u002Fscript>  \ntrong đó \u003Cscript type=\"math\u002Ftex\">u(\\mathbf{r},t)\u003C\u002Fscript> là biến dạng tại điểm \u003Cscript type=\"math\u002Ftex\">\\mathbf{r}\u003C\u002Fscript> và thời điểm \u003Cscript type=\"math\u002Ftex\">t\u003C\u002Fscript>, \u003Cscript type=\"math\u002Ftex\">c\u003C\u002Fscript> là {{topic|%7B%22topic%22%3A%22v%E1%BA%ADn%20t%E1%BB%91c%20%C3%A2m%20thanh%22%7D}} đặc trưng của vật liệu, phụ thuộc vào mô đun đàn hồi và khối lượng riêng.\u003C\u002Fp>\n\u003Cp>Khi một điểm trong vật liệu phát xạ, nguồn AE có thể được lý tưởng hóa thành điểm nguồn (point source) hoặc nguồn đồ thị (line source) tùy cấu trúc vết nứt. Sóng lan truyền dưới dạng sóng dọc (longitudinal) và sóng ngang (shear), với vận tốc:**  \n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cscript type=\"math\u002Ftex\">c_L = \\sqrt{\\frac{E(1-\\nu)}{\\rho(1+\\nu)(1-2\\nu)}}\u003C\u002Fscript> đối với sóng dọc,\u003C\u002Fli>\n  \u003Cli>\u003Cscript type=\"math\u002Ftex\">c_S = \\sqrt{\\frac{E}{2\\rho(1+\\nu)}}\u003C\u002Fscript> đối với sóng ngang,\u003C\u002Fli>\n\u003C\u002Ful>  \ntrong đó \u003Cscript type=\"math\u002Ftex\">E\u003C\u002Fscript> là mô đun Young, \u003Cscript type=\"math\u002Ftex\">\\nu\u003C\u002Fscript> là hệ số Poisson, \u003Cscript type=\"math\u002Ftex\">\\rho\u003C\u002Fscript> là khối lượng riêng.\u003Cp>\u003C\u002Fp>\n\u003Ctable>\n  \u003Ctbody>\u003Ctr>\u003Cth>Biến\u003C\u002Fth>\u003Cth>Ý nghĩa\u003C\u002Fth>\u003Cth>Đơn vị\u003C\u002Fth>\u003C\u002Ftr>\n  \u003Ctr>\u003Ctd>\u003Cscript type=\"math\u002Ftex\">u\u003C\u002Fscript>\u003C\u002Ftd>\u003Ctd>Biến dạng sóng\u003C\u002Ftd>\u003Ctd>m\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003Ctr>\u003Ctd>\u003Cscript type=\"math\u002Ftex\">c\u003C\u002Fscript>\u003C\u002Ftd>\u003Ctd>Vận tốc âm\u003C\u002Ftd>\u003Ctd>m\u002Fs\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003Ctr>\u003Ctd>\u003Cscript type=\"math\u002Ftex\">E\u003C\u002Fscript>\u003C\u002Ftd>\u003Ctd>Mô đun Young\u003C\u002Ftd>\u003Ctd>Pa\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003Ctr>\u003Ctd>\u003Cscript type=\"math\u002Ftex\">\\rho\u003C\u002Fscript>\u003C\u002Ftd>\u003Ctd>Khối lượng riêng\u003C\u002Ftd>\u003Ctd>kg\u002Fm³\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003Ctr>\u003Ctd>\u003Cscript type=\"math\u002Ftex\">\\nu\u003C\u002Fscript>\u003C\u002Ftd>\u003Ctd>Hệ số Poisson\u003C\u002Ftd>\u003Ctd>–\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\n\u003Ch2>Mô hình toán học\u003C\u002Fh2>\n\u003Cp>Mô hình Green’s function dùng để mô tả phản hồi của môi trường đàn hồi với nguồn điểm AE:  \n\u003Cscript type=\"math\u002Ftex\">\nu(\\mathbf{r},t) = \\frac{1}{4\\pi c^2 r}\\,\\delta\\Bigl(t-\\frac{r}{c}\\Bigr)\n\u003C\u002Fscript>  \nvới \u003Cscript type=\"math\u002Ftex\">r\u003C\u002Fscript> là khoảng cách từ nguồn tới điểm quan sát, \u003Cscript type=\"math\u002Ftex\">\\delta\u003C\u002Fscript> là hàm delta Dirac, thể hiện sự xuất hiện tức thời của xung sóng khi thời gian khớp.\u003C\u002Fp>\n\u003Cp>Phương pháp {{topic|%7B%22topic%22%3A%22ph%E1%BA%A7n%20t%E1%BB%AD%20h%E1%BB%AFu%20h%E1%BA%A1n%22%7D}} (FEM) kết hợp boundary element method (BEM) được sử dụng để mô phỏng phát xạ và tán xạ sóng trong cấu trúc phức tạp, cho phép:\u003C\u002Fp>\n\u003Col>\n  \u003Cli>Phân rã tín hiệu AE thành các thành phần mode dọc, ngang và bề mặt.\u003C\u002Fli>\n  \u003Cli>Đánh giá ảnh hưởng của hình học, biên và tiếp xúc giữa các chi tiết.\u003C\u002Fli>\n  \u003Cli>Dự đoán tập trung ứng suất và vị trí phát xạ tiềm năng.\u003C\u002Fli>\n\u003C\u002Fol>\n\n\u003Ch2>Phân loại phát xạ âm thanh\u003C\u002Fh2>\n\u003Cp>Phát xạ âm thanh được chia thành các cơ chế chính dựa trên nguồn gốc năng lượng:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Gián đoạn (Burst emission):\u003C\u002Fstrong> Do nứt gãy đột ngột, vỡ kết cấu vi mô; tín hiệu có biên độ cao, thời gian ngắn.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Liên tục (Continuous emission):\u003C\u002Fstrong> Do ma sát, mài mòn hoặc chuyển vị hạt nhân kéo dài; tín hiệu có biên độ thấp, thời gian dài.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Termal (Thermal emission):\u003C\u002Fstrong> Do biến dạng nhiệt dẫn đến co giãn vật liệu, phát ra sóng áp suất nhiệt.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Thông qua phân tích dạng sóng và phổ tần số (FFT), có thể phân biệt:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Cơ chế nứt gãy: phổ tần trung bình 200–500 kHz, biên độ lớn.\u003C\u002Fli>\n  \u003Cli>Cơ chế ma sát: phổ tần thấp 50–200 kHz, tín hiệu kéo dài.\u003C\u002Fli>\n  \u003Cli>Emission nhiệt: phổ hẹp quanh {{topic|%7B%22topic%22%3A%22t%E1%BA%A7n%20s%E1%BB%91%20c%E1%BB%99ng%20h%C6%B0%E1%BB%9Fng%22%7D}} vật liệu.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Phương pháp đo và phân tích\u003C\u002Fh2>\n\u003Cp>Kỹ thuật đo phát xạ âm thanh (AE) sử dụng cảm biến piezoelectric gắn chặt lên bề mặt cấu trúc để thu tín hiệu sóng cơ học. Tín hiệu đầu ra được khuếch đại bằng pre-amplifier độ ồn thấp (gain 40–60 dB), sau đó đưa vào bộ thu dữ liệu (data acquisition) với tần số lấy mẫu thường ≥ 5 MHz để giữ nguyên đặc trưng sóng.\u003C\u002Fp>\n\u003Cp>Phân tích ban đầu bao gồm xác định thời điểm đến (time-of-arrival) qua ngưỡng cố định hoặc ngưỡng động trên từng kênh. Sự kết hợp dữ liệu đa kênh cho phép định vị nguồn phát xạ bằng phương pháp tam giác hóa (triangulation) hoặc hyperbolic localization.\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Event detection: xác định các sự kiện khi tín hiệu vượt ngưỡng âm lượng và giữ ít nhất trong một khoảng thời gian tối thiểu.\u003C\u002Fli>\n  \u003Cli>Feature extraction: đo amplitude, counts, duration, energy và rise time.\u003C\u002Fli>\n  \u003Cli>Frequency analysis: FFT hoặc wavelet transform để phân biệt cơ chế phát xạ.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Thiết bị và cảm biến\u003C\u002Fh2>\n\u003Cp>Cảm biến AE chủ yếu là piezoelectric ceramics (PZT) hoạt động trong dải tần 100 kHz–1 MHz. Thiết kế thường tích hợp lớp cách nhiệt để ổn định nhiệt độ và gel dẫn sóng để tối ưu truyền năng lượng từ bề mặt vào đầu dò.\u003C\u002Fp>\n\u003Cp>Pre-amplifier gắn gần cảm biến, hạn chế mất mát tín hiệu và nhiễu môi trường. Bộ khuếch đại thường có chức năng lọc băng tần (band-pass filter) loại bỏ tạp âm ngoài dải quan tâm.\u003C\u002Fp>\n\u003Ctable>\n  \u003Ctbody>\u003Ctr>\u003Cth>Thiết bị\u003C\u002Fth>\u003Cth>Chức năng\u003C\u002Fth>\u003Cth>Thông số chính\u003C\u002Fth>\u003C\u002Ftr>\n  \u003Ctr>\u003Ctd>Cảm biến PZT\u003C\u002Ftd>\u003Ctd>Thu sóng AE\u003C\u002Ftd>\u003Ctd>100 kHz–1 MHz, độ nhạy 50–200 pC\u002FN\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003Ctr>\u003Ctd>Pre-amplifier\u003C\u002Ftd>\u003Ctd>Khuếch đại và lọc\u003C\u002Ftd>\u003Ctd>Gain 40–60 dB, band-pass 50 kHz–2 MHz\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003Ctr>\u003Ctd>Data acquisition\u003C\u002Ftd>\u003Ctd>Số hóa tín hiệu\u003C\u002Ftd>\u003Ctd>Sampling ≥5 MHz, 12–16 bit\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\n\u003Ch2>Ứng dụng\u003C\u002Fh2>\n\u003Cp>AE được ứng dụng rộng rãi trong giám sát không phá hủy (NDT) và {{topic|%7B%22topic%22%3A%22b%E1%BA%A3o%20tr%C3%AC%20d%E1%BB%B1%20%C4%91o%C3%A1n%22%7D}} (predictive maintenance). Trong ngành dầu khí, AE giám sát nứt ống dẫn và áp lực cao nhằm phát hiện rò rỉ sớm. Trong hàng không vũ trụ, AE theo dõi mỏi vật liệu trên cánh và thân tàu.\u003C\u002Fp>\n\u003Cp>Trong xây dựng dân dụng, AE dùng để giám sát rạn nứt bê tông cầu, kết cấu ngầm và bồn chứa áp lực. AE cung cấp cảnh báo trước khi xuất hiện hỏng hóc lớn, giúp kế hoạch sửa chữa kịp thời và giảm rủi ro gián đoạn vận hành.\u003C\u002Fp>\n\u003Cp>Trong ngành cơ khí chính xác, AE theo dõi mài mòn ổ bi, vành răng, nén khí. AE kết hợp với {{topic|%7B%22topic%22%3A%22%C4%91i%E1%BB%81u%20khi%E1%BB%83n%20ph%E1%BA%A3n%20h%E1%BB%93i%22%7D}} (feedback control) cho phép tự động dừng máy khi phát hiện sự kiện bất thường.\u003C\u002Fp>\n\n\u003Ch2>Thách thức và hạn chế\u003C\u002Fh2>\n\u003Cp>Độ nhạy AE bị ảnh hưởng bởi chất lượng gắn kết giữa cảm biến và bề mặt, yêu cầu bề mặt nhẵn và gel dẫn sóng phù hợp. Tạp âm cơ khí và điện từ có thể tạo ra nhiễu giả, làm sai lệch kết quả đo.\u003C\u002Fp>\n\u003Cp>Định vị chính xác nguồn AE trong cấu trúc phức tạp gặp khó khăn do tán xạ sóng tại biên và khớp góc. Mô hình toán học lý tưởng (điều kiện vô hạn, đồng nhất) không phản ánh đúng điều kiện thực tế, dẫn đến sai số định vị thường 5–20% kích thước cấu trúc.\u003C\u002Fp>\n\u003Cp>Phân biệt cơ chế phát xạ (nứt gãy, ma sát, nhiệt động) đòi hỏi {{topic|%7B%22topic%22%3A%22ph%C6%B0%C6%A1ng%20ph%C3%A1p%20ph%C3%A2n%20t%C3%ADch%22%7D}} phổ và machine learning kết hợp cơ chế vật lý. Dữ liệu đào tạo (training data) cần đa dạng dạng hỏng và điều kiện thử nghiệm để tăng độ chính xác phân loại.\u003C\u002Fp>\n\n\u003Ch2>Xu hướng nghiên cứu tương lai\u003C\u002Fh2>\n\u003Cp>Ứng dụng {{topic|%7B%22topic%22%3A%22tr%C3%AD%20tu%E1%BB%87%20nh%C3%A2n%20t%E1%BA%A1o%22%7D}} và học sâu (deep learning) trong phân tích AE cho phép tự động phân loại sự kiện và dự báo tuổi thọ kết cấu. Mạng neural convolutional (CNN) có thể học đặc trưng dạng sóng và phổ mà không cần tiền xử lý phức tạp.\u003C\u002Fp>\n\u003Cp>Phát triển cảm biến AE MEMS (Micro-Electro-Mechanical Systems) miniaturized, tích hợp đa cảm biến và truyền dữ liệu không dây hình thành mạng cảm biến phân tán (Wireless Sensor Networks). Giải pháp này phù hợp giám sát diện rộng, giảm chi phí lắp đặt và bảo trì.\u003C\u002Fp>\n\u003Cp>Phương pháp tomographic acoustic emission sử dụng nhiều cảm biến và thuật toán ngược (inverse algorithms) để tái tạo ảnh nội bộ cấu trúc, cho phép xác định hình dạng và hướng phát triển của vết nứt trước khi tạo ra hỏng hóc lớn.\u003C\u002Fp>\n\n\u003Ch2>Xử lý tín hiệu phát xạ âm thanh nâng cao và ứng dụng trí tuệ nhân tạo\u003C\u002Fh2>\n\u003Cp>Để trích xuất các đặc trưng khuyết tật từ tín hiệu phát xạ âm thanh (AE) trong môi trường công nghiệp có nhiều tạp âm cơ học, các kỹ sư sử dụng các công cụ {{topic|%7B%22topic%22%3A%22x%E1%BB%AD%20l%C3%BD%20t%C3%ADn%20hi%E1%BB%87u%20s%E1%BB%91%22%7D}} hiện đại:\u003C\u002Fp>\n\u003Cul>\n    \u003Cli>\u003Cstrong>Phân tích tham số dạng sóng truyền thống (Parameter-based AE):\u003C\u002Fstrong> Ghi nhận các thông số đặc trưng bao gồm: biên độ đỉnh (peak amplitude tính bằng dB), thời gian tăng (rise time), độ dài tín hiệu (duration), số lần vượt ngưỡng (counts), và năng lượng tích phân (MARSE energy). Tỷ số giữa thời gian tăng và biên độ (RA value) kết hợp với tần số trung bình (average frequency) là tiêu chuẩn chuẩn mực để phân biệt giữa vết nứt do kéo (tensile crack) và nứt do trượt cắt (shear crack) trong kết cấu bê tông và composite.\u003C\u002Fli>\n    \u003Cli>\u003Cstrong>Biến đổi Wavelet liên tục (CWT) và phân tích phổ thời gian:\u003C\u002Fstrong> Do sóng đàn hồi trong vật liệu rắn có tính tán sắc (vận tốc pha phụ thuộc vào tần số), biến đổi Wavelet cho phép phân giải đồng thời miền thời gian và tần số, giúp tách rời các mode sóng đối xứng \u003Cscript type=\"math\u002Ftex\">S_0\u003C\u002Fscript> (vận tốc truyền cao) và mode phản đối xứng \u003Cscript type=\"math\u002Ftex\">A_0\u003C\u002Fscript> (vận tốc truyền chậm, biên độ lớn) trong các tấm mỏng kim loại hoặc composite hàng không.\u003C\u002Fli>\n    \u003Cli>\u003Cstrong>Định vị nguồn khuyết tật bằng thuật toán tam giác đạc:\u003C\u002Fstrong> Sử dụng chùm cảm biến áp điện (PZT) bố trí tại các vị trí xác định trên bề mặt kết cấu. Dựa trên sự chênh lệch thời gian đến (Time Difference of Arrival - TDOA) của sóng âm tại từng cảm biến và vận tốc truyền sóng trong vật liệu, thuật toán định vị phi tuyến (như {{topic|%7B%22topic%22%3A%22ph%C6%B0%C6%A1ng%20ph%C3%A1p%20b%C3%ACnh%20ph%C6%B0%C6%A1ng%20t%E1%BB%91i%20thi%E1%BB%83u%22%7D}} Geiger hoặc Simplex) có thể định vị tọa độ nguồn nứt trong không gian 2D\u002F3D với sai số dưới vài milimet.\u003C\u002Fli>\n    \u003Cli>\u003Cstrong>Ứng dụng mạng nơ-ron học sâu (Deep Learning):\u003C\u002Fstrong> Các mạng nơ-ron tích chập (CNN) và mô hình chuỗi thời gian (LSTM) được huấn luyện trực tiếp trên phổ phổ đồ tần số (spectrogram) của tín hiệu AE để tự động nhận dạng và phân loại cơ chế phá hủy vật liệu (nứt ma trận, tách lớp sợi, đứt sợi gia cường hoặc ăn mòn ứng suất) mà không phụ thuộc vào kinh nghiệm chủ quan của chuyên viên kiểm định.\u003C\u002Fli>\n\u003C\u002Ful>","Phát xạ âm thanh là hiện tượng sóng đàn hồi quá độ được sinh ra do sự giải phóng năng lượng cơ học tức thời từ các nguồn cục bộ biến dạng dẻo, vi nứt vỡ hoặc chuyển pha vật liệu bên trong kết cấu khi chịu tác dụng của tải trọng cơ học nhiệt độ.","ENGINEERING_TECHNOLOGY",[20,28,36],{"citationText":21,"title":22,"authors":23,"source":24,"year":25,"doi":26,"url":27},"University of Bourgogne, Hamdi, Université de Bretagne Occidentale et al. (2024). Machine Learning-Enabled Acoustic Emission Signal Processing for real-time crack growth monitoring in heterogeneous structures. e-Journal of Nondestructive Testing.","Machine Learning-Enabled Acoustic Emission Signal Processing for real-time crack growth monitoring in heterogeneous structures","University of Bourgogne, Hamdi, Université de Bretagne Occidentale, Diakhate, University of Bourgogne","e-Journal of Nondestructive Testing",2024,"10.58286\u002F29716","https:\u002F\u002Fdoi.org\u002F10.58286\u002F29716",{"citationText":29,"title":30,"authors":31,"source":32,"year":33,"doi":34,"url":35},"Martin (1980). In-Flight Acoustic Emission Monitoring. Mechanics of Nondestructive Testing.","In-Flight Acoustic Emission Monitoring","Martin","Mechanics of Nondestructive Testing",1980,"10.1007\u002F978-1-4684-3857-4_17","https:\u002F\u002Fdoi.org\u002F10.1007\u002F978-1-4684-3857-4_17",{"citationText":37,"title":38,"authors":39,"source":32,"year":33,"doi":40,"url":41},"Weisinger (1980). Determination of Fundamental Acoustic Emission Signal Characteristics. Mechanics of Nondestructive Testing.","Determination of Fundamental Acoustic Emission Signal Characteristics","Weisinger","10.1007\u002F978-1-4684-3857-4_7","https:\u002F\u002Fdoi.org\u002F10.1007\u002F978-1-4684-3857-4_7",[43,46,49],{"question":44,"answer":45},"Phát xạ âm thanh (AE) khác biệt căn bản như thế nào so với kỹ thuật siêu âm kiểm tra không phá hủy (UT) truyền thống?","Siêu âm truyền thống (UT) là phương pháp chủ động đưa sóng âm vào vật liệu và thu sóng phản xạ để tìm khuyết tật tĩnh; trong khi AE là phương pháp thụ động chỉ lắng nghe các sóng âm do chính khuyết tật tự giải phóng khi đang phát triển dưới tải.",{"question":47,"answer":48},"Hiệu ứng Kaiser và hiệu ứng Felicity trong phát xạ âm thanh có ý nghĩa gì?","Hiệu ứng Kaiser chỉ hiện tượng tín hiệu AE chỉ xuất hiện trở lại khi tải trọng vượt quá mức tải cực đại trước đó; sự phá vỡ hiệu ứng này (gọi là hiệu ứng Felicity với tỷ số Felicity \u003C 1) là chỉ dấu cảnh báo hư hỏng kết cấu nghiêm trọng.",{"question":50,"answer":51},"Các ứng dụng công nghiệp chủ yếu của kỹ thuật phát xạ âm thanh là gì?","Kỹ thuật được dùng để giám sát độ an toàn của bình chịu áp lực, bồn chứa khí hóa lỏng, cầu đường sắt, cánh tuabin gió composite, và chẩn đoán sớm vết nứt mỏi trong thân vỏ máy bay hàng không.",{"id":53,"researcherId":10,"name":54,"imageUrl":55},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":57,"researcherId":10,"name":58,"imageUrl":59},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",[61,62,63,64,65,66,67,68,69,70],"cấu trúc tinh thể","vận tốc âm thanh","phần tử hữu hạn","tần số cộng hưởng","bảo trì dự đoán","điều khiển phản hồi","phương pháp phân tích","trí tuệ nhân tạo","xử lý tín hiệu số","phương pháp bình phương tối thiểu",10,true,"PUBLISHED","2025-07-13T02:21:17.885+00:00","2026-09-11T13:09:36.447+00:00","2025-07-14T10:06:04.196+00:00","2026-09-11T13:09:36.126+00:00",266,[80,83,86,89,92,95,98,101,104,107],{"id":81,"title":82,"term":81,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"ngữ nghĩa","Ngữ nghĩa là gì? Các nghiên cứu khoa học về Ngữ nghĩa",{"id":84,"title":85,"term":84,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mô hình lý thuyết","Mô hình lý thuyết là gì? Các nghiên cứu về Mô hình lý thuyết",{"id":87,"title":88,"term":87,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"hệ số dẫn nhiệt","Hệ số dẫn nhiệt là gì? Các công bố khoa học về Hệ số dẫn nhiệt",{"id":90,"title":91,"term":90,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"bibliometrics","Bibliometrics là gì? Các nghiên cứu khoa học về Bibliometrics",{"id":93,"title":94,"term":93,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"hình thái","Hình thái là gì? Các công bố khoa học về Hình thái",{"id":96,"title":97,"term":96,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"tán xạ","Tán xạ là gì? Các nghiên cứu khoa học về Tán xạ",{"id":99,"title":100,"term":99,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chất lượng thông tin","Chất lượng thông tin là gì? Nghiên cứu khoa học liên quan",{"id":102,"title":103,"term":102,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"autonomy","Autonomy là gì? Các công bố khoa học về Autonomy",{"id":105,"title":106,"term":105,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"bộ điều khiển pi","Bộ điều khiển Pi là gì? Các nghiên cứu về Bộ điều khiển Pi",{"id":108,"title":109,"term":108,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"nghiên cứu tổng quan","Nghiên cứu tổng quan là gì? Các bài báo nghiên cứu khoa học"]