玻璃纖維增強(qiáng)復(fù)合材料（GFRP）多種損傷模式之間相互作用難以有效檢測(cè),且獲取大量標(biāo)簽數(shù)據(jù)十分困難。該文選擇對(duì)小樣本分類問(wèn)題有效且運(yùn)算速度快的LSSVM作為AdaBoost集成學(xué)習(xí)框架的弱分類器,提出一種AdaBoost-LSSVM算法,并在UCI數(shù)據(jù)集上進(jìn)行有效性驗(yàn)證。在玻璃纖維復(fù)合材料損傷識(shí)別應(yīng)用中,首先采用小波包變換提取GFRP在靜態(tài)壓痕試驗(yàn)下釋放的聲發(fā)射信號(hào)在各頻段下的能量占比作為特征向量,然后采用該算法對(duì)纖維分層、界面脫粘、纖維斷裂和無(wú)損傷4種狀態(tài)進(jìn)行識(shí)別和分類。實(shí)驗(yàn)結(jié)果表明,提出的AdaBoost-LSSVM集成學(xué)習(xí)模型具有較高的識(shí)別準(zhǔn)確率,相比AdaBoost-DT和單一LSSVM分別提升5.75%和7.5%。其中,該方法在界面脫粘上的識(shí)別比AdaBoost-DT和LSSVM分別提升10%和20%,在纖維斷裂上均提升9%。 

【文章來(lái)源】：中國(guó)測(cè)試. 2020,46(09)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于Adaboost的填充式防護(hù)結(jié)構(gòu)超高速撞擊損傷預(yù)測(cè)[J]. 丁文哲,李新洪,楊虹.  北京航空航天大學(xué)學(xué)報(bào). 2019(01)
[2]聲發(fā)射技術(shù)在纖維增強(qiáng)復(fù)合材料損傷檢測(cè)和破壞過(guò)程分析中的應(yīng)用研究進(jìn)展[J]. 黃展鴻,黃春芳,張鑒煒,江大志,鞠蘇.  材料導(dǎo)報(bào). 2018(07)
[3]基于多分類AdaBoost的航空發(fā)動(dòng)機(jī)故障診斷[J]. 曹惠玲,高升,薛鵬.  北京航空航天大學(xué)學(xué)報(bào). 2018(09)
[4]多軸向玻璃纖維增強(qiáng)樹脂基復(fù)合材料的破壞特性和損傷機(jī)制[J]. 張丹丹,孫耀寧,王雅.  復(fù)合材料學(xué)報(bào). 2017(02)
[5]基于峭度與IMF能量融合特征和LS-SVM的齒輪故障診斷研究[J]. 王建國(guó),楊云中,秦波,劉永亮.  中國(guó)測(cè)試. 2016(04)
[6]纖維增強(qiáng)聚合物基復(fù)合材料低速?zèng)_擊研究進(jìn)展[J]. 董慧民,安學(xué)鋒,益小蘇,閆麗,蘇正濤,包建文.  材料工程. 2015(05)
[7]復(fù)合材料損傷失效的聲發(fā)射檢測(cè)研究進(jìn)展[J]. 栗麗,晏雄.  材料導(dǎo)報(bào). 2013(17)



本文編號(hào)：3011139