基于机器学习方法的超声导波结构健康监测研究

• 作者: 高东岳
• 来源期刊: 纤维复合材料
• 关键词: 结构健康监测 超声导波 机器学习 随机森林回归 损伤监测
• 年，卷（期）: 2020,（3）
• 页码范围: 3-8
• 页数: 6页
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6423.2020.03.001

摘要

随着复合材料结构健康监测技术的广泛应用,基于先进传感与数据挖掘技术的结构损伤识别已成为国内外的研究热点问题.本文以机器学习理论技术为基础,对复合材料结构受拉伸疲劳载荷造成的损伤进行定量化识别分析和研究,针对结构疲劳损伤监测数据之间存在的时序相关性,构建出基于随机森林的结构损伤识别模型,为复合材料结构健康监测分析提供了新的思路和方法.主要研究内容如下:提取不同路径的信号特征信息,包括信号能量,信号峰值,信号主峰到达时间.选择MSE作为不纯度函数,设计并构建了一种基于随机森林的结构损伤识别模型;为了验证本文所提出的基于机器学习的复合材料结构损伤识别模型的有效性,以Bookshelf框架结构数据为基准进行对比试验分析.结果 表明:基于信号能量,信号峰值,信号主峰到达时间特征的随机森林结构损伤识别模型可以有效识别与预测损伤.本文试验数据来自NASA与斯坦福大学进行的联合损伤表征试验.