基于AdaBoost-LSSVM的纤维复合材料损伤识别

发布时间：2021-01-31 15:29

　　玻璃纤维增强复合材料（GFRP）多种损伤模式之间相互作用难以有效检测,且获取大量标签数据十分困难。该文选择对小样本分类问题有效且运算速度快的LSSVM作为AdaBoost集成学习框架的弱分类器,提出一种AdaBoost-LSSVM算法,并在UCI数据集上进行有效性验证。在玻璃纤维复合材料损伤识别应用中,首先采用小波包变换提取GFRP在静态压痕试验下释放的声发射信号在各频段下的能量占比作为特征向量,然后采用该算法对纤维分层、界面脱粘、纤维断裂和无损伤4种状态进行识别和分类。实验结果表明,提出的AdaBoost-LSSVM集成学习模型具有较高的识别准确率,相比AdaBoost-DT和单一LSSVM分别提升5.75%和7.5%。其中,该方法在界面脱粘上的识别比AdaBoost-DT和LSSVM分别提升10%和20%,在纤维断裂上均提升9%。 

【文章来源】：中国测试. 2020,46(09)北大核心

【文章页数】：6 页

【参考文献】：
期刊论文
[1]基于Adaboost的填充式防护结构超高速撞击损伤预测[J]. 丁文哲,李新洪,杨虹.  北京航空航天大学学报. 2019(01)
[2]声发射技术在纤维增强复合材料损伤检测和破坏过程分析中的应用研究进展[J]. 黄展鸿,黄春芳,张鉴炜,江大志,鞠苏.  材料导报. 2018(07)
[3]基于多分类AdaBoost的航空发动机故障诊断[J]. 曹惠玲,高升,薛鹏.  北京航空航天大学学报. 2018(09)
[4]多轴向玻璃纤维增强树脂基复合材料的破坏特性和损伤机制[J]. 张丹丹,孙耀宁,王雅.  复合材料学报. 2017(02)
[5]基于峭度与IMF能量融合特征和LS-SVM的齿轮故障诊断研究[J]. 王建国,杨云中,秦波,刘永亮.  中国测试. 2016(04)
[6]纤维增强聚合物基复合材料低速冲击研究进展[J]. 董慧民,安学锋,益小苏,闫丽,苏正涛,包建文.  材料工程. 2015(05)
[7]复合材料损伤失效的声发射检测研究进展[J]. 栗丽,晏雄.  材料导报. 2013(17)



本文编号：3011139