典型文献
基于超声导波和机器学习的蜂窝夹层结构脱黏诊断
文献摘要：
针对蜂窝夹层结构的脱黏损伤诊断,首先通过集成压电陶瓷传感器构建传感器网络,采用超声导波加权分布诊断成像方法对损伤进行平面内定位诊断;然后利用超声导波在结构厚度截面内对不同脱黏层的敏感度差异提取损伤特征;最后通过蜂窝夹层结构有限元模型进行大量的导波传播仿真,形成训练数据库,进而训练形成稳定的支持向量机(SVM)脱黏层分类机器学习模型,进行截面内脱黏层诊断.验证试验结果表明,该方法能够有效诊断出蜂窝夹层结构的脱黏损伤,平面内定位误差小于2 cm,截面内脱黏层诊断准确度为100％.
文献关键词：
蜂窝夹层结构;超声导波;压电陶瓷传感器;机器学习;支持向量机
中图分类号：
作者姓名：
徐浩;王中枢;马寅魏;张佳奇;李建乐;范兴华;武湛君
作者机构：
大连理工大学工业装备结构分析国家重点实验室,大连116024;北京空天技术研究所,北京100074
文献出处：
引用格式：
[1]徐浩;王中枢;马寅魏;张佳奇;李建乐;范兴华;武湛君-.基于超声导波和机器学习的蜂窝夹层结构脱黏诊断)[J].无损检测,2022(10):44-47
A类：
B类：
超声导波,蜂窝夹层结构,脱黏,黏损,损伤诊断,压电陶瓷传感器,传感器网络,诊断成像,成像方法,内定,定位诊断,黏层,损伤特征,结构有限元,波传播,训练数据,分类机器学习,机器学习模型,验证试验,出蜂,定位误差,诊断准确度
AB值：
0.242696
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。
