典型文献
基于声发射技术的风电叶片复合材料损伤模式识别
文献摘要：
为研究风电叶片玻璃纤维复合材料在疲劳工况下的损伤模式,文章基于声发射技术提出了一种主成分聚类分析和BP神经网络相结合的材料损伤识别模型.首先,采集损伤声发射信号,并提取相关参数进行分析,对不同疲劳损伤进行分类;其次,对数据进行主成分分析,以降低噪声信号,去掉冗余信息;再次,对主成分进行聚类分析,将样本分簇并找出各簇与损伤之间的对应关系;最后,基于BP神经网络建立损伤识别模型,并基于试验数据对识别网络进行测试训练.训练结果表明,识别模型对3种未知类型疲劳损伤的识别率均高于90％,对未知损伤具有较好的识别能力.
文献关键词：
风电叶片;损伤识别;声发射;主成分分析;聚类分析;BP神经网络
中图分类号：
作者姓名：
贾辉;张磊安;王景华;黄雪梅;于良峰
作者机构：
淄博市技师学院, 山东 淄博 255000;山东理工大学 机械工程学院, 山东 淄博 255000;山东中车风电有限公司, 山东 济南 250104
文献出处：
引用格式：
[1]贾辉;张磊安;王景华;黄雪梅;于良峰-.基于声发射技术的风电叶片复合材料损伤模式识别)[J].可再生能源,2022(01):67-72
A类：
风电叶片复合材料
B类：
声发射技术,材料损伤,损伤模式识别,玻璃纤维复合材料,劳工,主成分聚类分析,损伤识别,识别模型,声发射信号,疲劳损伤,低噪声,噪声信号,去掉,冗余信息,分簇,识别网络,试训,知类,识别率,识别能力
AB值：
0.27814
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
