機械学習モデルを用いた航空宇宙構造物の構造状態モニタリングのためのエネルギー評価と受動的な損傷検出

科学分野:

• 航空宇宙工学
• 材料科学
• 人工知能

背景:

• 構造健康モニタリング (SHM) は,航空宇宙における人工知能 (AI) にますます依存しています.
• 事故が航空宇宙構造に及ぼす影響を評価することは,安全とメンテナンスのために極めて重要です.

研究 の 目的:

• 機械学習アルゴリズムを訓練し,航空宇宙アルミニウムパネルの構造的インパクトを識別し,特徴づけます.
• 衝撃の重さを予測し,既存の損傷を検出するAIの有効性を評価する.

主な方法:

• 強化プレート上のピエゾセンサーからの振動データを使用した衝撃データセットの開発.
• 低深度ニューラルネットワークの適用は,回帰 (インパクトエネルギー) と分類 (ダメージ検出) を目的としています.
• 物理的,機械的な現象の解釈による特徴の選択.

主要な成果:

• 10%未満の誤差で衝突エネルギーを正確に予測する.
• 95%以上の精度で,以前に損傷したゾーンを正確に識別します.
• AIのアプローチの計算効率の実証

結論:

• 機械学習は現実的な航空宇宙構造における SHM の有効で効率的なツールを提供します.
• 構造的整合性の評価を向上させ,インパクト・エフェクトを効果的に特徴づけることができる.
• この研究は,航空宇宙アプリケーションにおけるリアルタイムモニタリングとダメージ検出のためのAIを検証しています.