کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5014296 1463183 2017 21 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A pattern recognition system based on acoustic signals for fault detection on composite materials
ترجمه فارسی عنوان
یک سیستم تشخیص الگو بر اساس سیگنال های صوتی برای شناسایی خطا در مواد کامپوزیت
کلمات کلیدی
ترجمه چکیده
استفاده از مواد کامپوزیت در برنامه های کاربردی صنعتی به طور مداوم در حال رشد است. با این حال، تشخیص خطا و پیش بینی این مواد به سادگی در مواد ساده نیست. بنابراین، توسعه یک روش برای شناسایی خطا ضروری است تا اطمینان از یکپارچگی یک ساختار فراهم شود. این مقاله یک سیستم تشخیص الگو را ارائه می دهد که یک طبقه بندی شبکه عصبی مصنوعی را برای شناسایی و طبقه بندی خسارت های پرتوهای کامپوزیت اجرا می کند. طبقه بندی ها آموزش داده شد و با استفاده از سیگنال های صوتی منتشر شده توسط پرتوهای سالم و آسیب دیده پس از بارگذاری ضربه ای به آنها اعمال شد. تجزیه شدگی انحصاری برای فیلتر کردن سیگنال های صوتی مورد استفاده قرار گرفت در حالی که تجزیه و تحلیل مولفه اصلی برای استخراج اطلاعات مربوطه از سیگنال فیلتر شده انجام شد. اطلاعات استخراج شده به عنوان ورودی به طبقه بندی شده بود که قادر به پیش بینی چهار سطح مختلف آسیب بر روی فیبر شیشه ای و پرتوهای فیبر کربن با دقت بیش از 97٪ بود. این نتایج نشان می دهد که روش پیشنهادی را می توان برای توسعه یک سیستم قوی برای تشخیص خودکار آسیب در ساختارهای کامپوزیتی مورد بررسی قرار داد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی مکانیک
چکیده انگلیسی
The use of composite materials in industry applications is constantly growing. However, fault detection and prediction on these materials is not as simple as in traditional materials. Thus, the development of a methodology for fault detection is strictly necessary to ensure the integrity of a structure. This paper proposes a pattern recognition system that implements an Artificial Neural Network classifier to detect and classify damage on composite beams. Classifiers were trained and tested using acoustic signals emitted by healthy and damaged beams after an impulsive load was applied to them. Singular Value Decomposition was used to filter the acoustic signals whereas Principal Component Analysis was implemented to extract relevant information from the filtered signal. The extracted information was used as inputs to the classifier that was able to predict four different levels of damage on glass fiber and carbon fiber beams with more than 97% accuracy. These results suggest that the proposed methodology can be further investigated to develop a robust system for automatic detection of damage on composite structures.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Mechanics - A/Solids - Volume 64, July–August 2017, Pages 1-10
نویسندگان
, , , ,