導電性複合材料における負荷位置と振幅の識別は,ディープラーニングメソッドによるものです

科学分野:

• 材料科学 材料科学とは
• 電気工学 電気工学とは
• 人工知能 (AI) とは,人工知能 (AI) のことです.

背景:

• 複合構造体健康モニタリング (SHM) のための現在の電気自己センサー方法には,限界があります.
• これには,複雑な電極配置や,外部負荷の正確な位置づけと定量化に伴う困難が含まれる.

研究 の 目的:

• 負荷の正確な局所化と振幅の識別のためのディープラーニングベースの自己センシング方法を開発する.
• 複合SHMにおける既存の方法の限界に対処する.

主な方法:

• 導電性フィルラーで満たされた樹脂複合材料を3D導電性ネットワークで準備する.
• 複合板の縁に4つの電極を設置し,境界の電気抵抗応答を収集します.
• 負荷分析のための残留学習ベースのコンボリューションニューラルネットワーク (CNN) モデルの開発.

主要な成果:

• 訓練されたCNNモデルは,適用された機械的負荷の位置と振幅の両方を正確に決定しました.
• 0.91mmの局所誤差と0.13Nの振幅誤差を達成しました.
• 以前の研究と比較して優れたパフォーマンスを示した.

結論:

• 提案されたディープ・ラーニング・メソッドは,負荷の位置と振幅を予測するための非常に正確で効率的なアプローチを提供します.
• このテクニックは,複合構造体健康モニタリングで広く適用される大きな可能性を秘めています.