典型文献
基于小波分解和极限学习机的柔性PVC基材损伤识别研究
文献摘要：
针对柔性天线在恶劣机载环境下基底材料容易出现孔洞、裂纹损伤等情况,提出采用兰姆波检测技术进行柔性聚氯乙烯(PVC)基材结构中的损伤探测和识别.该损伤识别方法是将小波分解和极限学习机相结合,对回波信号进行小波阈值去噪和损伤特征提取,从时域、频域和变换域3个层次构建出回波信号的特征向量,训练、测试分类出无损伤、孔洞、槽形损伤类型.搭建了基于兰姆波的柔性PVC基材损伤检测试验平台进行验证,结果表明:柔性基底上的无损伤、孔洞、槽形损伤回波信号经小波阈值去噪、分解后,提取出特征向量,得到的低频缓变回波重构信号特征明显;采用ELM模型进行训练和测试分类出损伤类型,分类精度达到92.56％,与BP神经网络分类方法作对比,ELM分类方法具有较好的分类性能,从而验证了小波分解和极限学习机相结合来识别柔性PVC基材损伤特征的有效性.此检测方法在柔性电子器件早期损伤的现场快速检测领域具有广泛的应用前景.
文献关键词：
小波分解;极限学习机;柔性基材;损伤识别
中图分类号：
作者姓名：
朱平;严宏鑫
作者机构：
中北大学仪器与电子学院,太原 030051
文献出处：
引用格式：
[1]朱平;严宏鑫-.基于小波分解和极限学习机的柔性PVC基材损伤识别研究)[J].振动与冲击,2022(13):220-227
A类：
回波重构
B类：
于小波,小波分解,极限学习机,PVC,损伤识别,柔性天线,机载环境,基底材料,孔洞,裂纹损伤,兰姆波检测,聚氯乙烯,基材结构,回波信号,小波阈值去噪,损伤特征,频域,变换域,特征向量,无损伤,槽形,损伤类型,损伤检测,检测试验,试验平台,柔性基底,变回,重构信号,信号特征,ELM,分类精度,神经网络分类,分类方法,分类性能,柔性电子器件,早期损伤,现场快速检测,检测领域,柔性基材
AB值：
0.332085
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。
