典型文献
基于GMM+SVM的声发射花岗岩裂纹识别研究
文献摘要：
提出一种基于GMM+SVM算法并用于确定声发射参数分析中裂纹分类最佳分界线的新方法.利用高斯混合模型(GMM)对试样试验过程所得的声发射信号特征进行聚类得到标签数据,再通过支持向量机(SVM)算法创建的超平面分离数据中的交叉簇,得到SVM超平面分界线,优化了裂纹分类中张拉和剪切区域的区分.以花岗岩为研究对象,通过单轴加载试验,对花岗岩试样破裂过程的声发射信号进行研究.分析结果表明,通过GMM+SVM超平面算法,可将试样中张拉和剪切区域之间的交叉簇精确区分,花岗岩试样在整个应力加载过程前中期以张拉裂纹为主,后期剪切裂纹占比不断增加,剪切裂纹所占比例在80％～90％峰值应力阶段出现突变,最终验证此方法可与花岗岩整个应力加载过程中的不同破裂模式相对应,可为岩石失稳破坏预测提供依据.
文献关键词：
花岗岩;声发射;高斯混合模型;裂纹分类;SVM超平面
中图分类号：
作者姓名：
黄晓红;董诗琪;李静;卢晔
作者机构：
华北理工大学 人工智能学院,河北 唐山063200
文献出处：
引用格式：
[1]黄晓红;董诗琪;李静;卢晔-.基于GMM+SVM的声发射花岗岩裂纹识别研究)[J].矿业安全与环保,2022(02):21-28,34
A类：
GMM+SVM,裂纹分类
B类：
花岗岩裂纹,裂纹识别,声发射参数,参数分析,分界线,高斯混合模型,样试,试验过程,声发射信号,信号特征,标签数据,超平面,张拉,剪切区,单轴加载,加载试验,破裂过程,前中期,拉裂,峰值应力,破裂模式,失稳破坏,破坏预测
AB值：
0.259675
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。
