کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10131512 1645544 2018 32 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Assessment of delaminated smart composite laminates via system identification and supervised learning
ترجمه فارسی عنوان
ارزیابی ورقه های کامپوزیت هوشمند ضعیف شده از طریق شناسایی سیستم و یادگیری تحت نظارت
کلمات کلیدی
شناسایی سیستم، هوش مصنوعی، ورقه های کامپوزیت هوشمند، خسارت دلخواه، طبقه بندی مطلوب،
ترجمه چکیده
در این مقاله یکپارچگی همگرا شناسایی سیستم و هوش مصنوعی برای شناسایی و ارزیابی آسیب های خلقی در ورقه های کامپوزیت هوشمند پیشنهاد شده است. یک الگوی ریاضی الکترومکانیکی مرتبط برای پوسته های کامپوزیتی هوشمند سالم و تمیزی بر اساس نظریه بهبود یافته لایه، میدان بالایی میدان الکتریکی و روش المان محدود ساخته شده است. فضای ویژگی اختیاری برای ساختارهای سالم و خوابیده از طریق شناسایی سیستم از پاسخ ارتعاش ساختاری آنها ساخته شده است. ویژگی های تبعیض آمیز برای آموزش و اعتبارسنجی مختلف طبقه بندی های مختلف نظارت شده بر دستگاه مورد استفاده قرار می گیرند و طبقه بندی مطلوب شناسایی می شود. طبقه بندی مطلوب برای پیش بینی موارد دلخراش آزمون غیرقابل پیش بینی استفاده می شود و پیش بینی های آن با استفاده از یک ابزار کاهش ابعاد سنجش می شود. نتایج به دست آمده نشان می دهد که روش پیشنهاد شده می تواند به عنوان یک ابزار قابل اعتماد برای ارزیابی غیرمخرب لمینیت کامپوزیت هوشمند مورد استفاده قرار گیرد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی عمران و سازه
پیش نمایش مقاله
ارزیابی ورقه های کامپوزیت هوشمند ضعیف شده از طریق شناسایی سیستم و یادگیری تحت نظارت
چکیده انگلیسی
This paper proposes the synergetic integration of system identification and artificial intelligence for the detection and assessment of delamination damages in smart composite laminates. An electromechanically coupled mathematical model is developed for the healthy and delaminated smart composite laminates on the basis of improved layerwise theory, higher order electric potential field and finite element method. A discriminative feature space is constructed for the healthy and delaminated structures via system identification from their structural vibration responses. The discriminative features are used for the training and cross-validation of various supervised machine learning classifiers and an optimal classifier is identified. The optimal classifier is employed to make predictions on unseen test delamination cases, and its predictions are validated via a dimensionality reduction tool. The obtained results show that the proposed technique could be employed as a reliable tool for nondestructive evaluation of smart composite laminates.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Composite Structures - Volume 206, 15 December 2018, Pages 354-362
نویسندگان
, ,