相关实验视频
Updated: May 28, 2025

08:08
Fabrication and Design of Wood-Based High-Performance Composites
Published on: November 9, 2019
13.1K
一个混合深度转移学习框架,用于复合层材中的分层识别.
Muhammad Haris Yazdani1, Muhammad Muzammil Azad1, Salman Khalid2
1Department of Mechanical Engineering, Dongguk University-Seoul, 30 Pildong-ro 1-gil, Jung-gu, Seoul 04620, Republic of Korea.
Sensors (Basel, Switzerland)
|February 13, 2025
概括
本研究介绍了一种混合深度转移学习框架,用于复合板材的结构健康监测 (SHM). 该方法使用有限的数据有效检测分层,提高了准确性和稳定性.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 人工智能的人工智能
背景情况:
- 结构健康监测 (SHM) 对层复合材料安全至关重要.
- 机器学习 (ML) 和深度学习 (DL) 越来越多地用于基于传感器的SHM.
- ML需要手动的特征提取,而DL需要大量的数据集,这带来了局限性.
研究的目的:
- 提出一种混合深度转移学习 (HTL) 框架,用于复合板材中的分层识别.
- 克服深度学习中的数据局限性.
- 为了提高分层检测的准确性和稳定性.
主要方法:
- 使用预训练的EfficientNet和ResNet模型进行深度特征提取.
- 采用混合方法,结合了EfficientNet的多尺度特征捕获和ResNet的层次表示.
- 通过在复合板材上的压电 (PZT) 传感器发出的振动信号验证了框架,具有三个健康状态.
主要成果:
- 与现有的转移学习方法相比,HTL框架显示出更高的性能.
- 在分层检测中获得了更高的准确性.
- 在识别结构损坏方面展示了增强的稳定性.
结论:
- 拟议的HTL框架有效地解决了基于DL的SHM中的数据限制.
- 这种方法为复合结构中可靠的分层检测提供了一个有希望的解决方案.
- 该研究强调了转移学习在推进SHM技术方面的潜力.
更多相关视频
09:54Author Spotlight: Enhancing Fiber Composite Laminate Quality with the Wet Hand Lay-Up/Vacuum Bag Process
Published on: June 30, 2023
2.0K
09:41Magnet Assisted Composite Manufacturing: A Flexible New Technique for Achieving High Consolidation Pressure in Vacuum Bag/Lay-Up Processes
Published on: May 17, 2018
13.4K