基于羔羊波和在硬件上使用机器学习的复合材料的SHM系统
Gracieth Cavalcanti Batista1,2, Carl-Mikael Zetterling1, Johnny Öberg1
1KTH Royal Institute of Technology, School of Electrical Engineering and Computer Science, 164 40 Kista, Sweden.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
本研究介绍了一种基于FPGA的智能系统,用于使用Lamb波进行实时飞机结构健康监测. 该系统准确地检测,分类和定位高性能复合结构中的损坏.
科学领域:
- 航空航天工程 航空航天工程
- 材料科学 材料科学 材料科学
- 计算机工程 计算机工程
背景情况:
- 非破坏性测试 (NDT) 和结构健康监测 (SHM) 对飞机安全至关重要.
- 当前的SHM系统在实时,低功耗运行和飞行数据处理方面面临着挑战.
- 缺陷分析通常在线进行,延迟了关键的结构洞察力.
研究的目的:
- 开发一种基于FPGA的高性能智能SHM系统,用于复合式飞机结构.
- 通过使用Lamb波信号实现实时检测,分类和定位损坏.
- 为了应对复杂性,功耗和数据处理在SHM中的挑战.
主要方法:
- 使用基于FPGA的系统处理来自压电传感器的Lamb波信号.
- 使用机器学习 (ML),特别是支持矢量机器 (SVM),用于损害分类.
- 集成数字信号处理 (DSP) 技术,如PSD,波形变换和PCA用于信号分析和特征提取.
- 纳入Mahalanobis距离来处理分类期间的异常值.
主要成果:
- 实现了高分类准确度:96.25%的内部缺陷和97.5%的外部缺陷.
- 通过将接收器位置与检测到的事件相关联,成功定位了损坏.
- 证明有效的降噪,特征提取和复杂的Lamb波信号的数据压缩.
- 材料异质性,边缘反射和模式转换的缓解效应.
结论:
- 开发的基于FPGA的智能SHM系统显示了航空航天实时应用的巨大潜力.
- 该系统有效地解决了材料复杂性,异常检测和可扩展的硬件实现方面的挑战.
- 通过实验结果验证,该系统为监控复合结构提供了强大的解决方案.
