遗传算法优化的碳纤维复合材料声发射数据聚类分析

• 作者: 李华聪 王银玲
• 来源期刊: 无损检测
• 学科: 工学
• 关键词: 声发射 碳纤维复合材料 聚类分析 BP神经网络 模式识别
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 科研成果与学术交流
• 页码范围: 1-5,37
• 页数: 6页
• 分类号: TG115.28|TP274
• 字数: 4989字
• 语种: 中文
• DOI: 10.11973/wsjc201906001

摘要

碳纤维复合材料在拉伸损伤试验中,会产生大量的声发射信号.对声发射信号的数据进行了分析,找出了碳纤维复合材料的损伤演变规律.对数据进行聚类分析,将数据分成由类似对象组成的多个簇,找出簇与损伤之间的对应关系.通过对聚类后数据进行建模,得到碳纤维复合材料拉伸损伤识别模型.由于声发射信号的特征是一个多维向量,特征之间存在一定的关联,为了提高建模速度,需要对数据进行降维,以选择主要影响因素的特征.为此,采用遗传算法对数据进行降维,去掉冗余的特征,而保留主要的特征.最后将处理前后数据分别代入到BP神经网络,对其进行损伤识别.试验结果表明:采用遗传算法优化对数据进行降维,其建模时间更短,识别效率更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李华聪	西北工业大学动力与能源学院	86	932	12.0	29.0
2	王银玲	西北工业大学动力与能源学院	4	11	2.0	3.0