使用集成的压电传感,回归和神经网络方法,在复合板材中高精度多重缺陷检测和定位
Majid Ghazali1, Morteza Karamooz Mahdiabadi2
1Department of Mechanical Engineering, Tarbiat Modares University, P.O. Box 14115-177, Tehran, Iran.
Scientific reports
|October 13, 2025
概括
这项研究引入了一种使用压电传感器和人工智能的新方法,用于精确地找到复合材料中的多重裂和分层. 这种先进的结构健康监测系统在定位缺陷方面达到99%以上的准确性.
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:
- 复合板材容易发生分层和裂纹缺陷.
- 有效的非破坏性评估 (NDE) 对结构完整性至关重要.
- 现有的方法在检测多个复杂缺陷时可能缺乏准确性.
研究的目的:
- 开发一种新的方法来高精度检测和定位复合板材中的多重缺陷.
- 将压电式驱动/传感与先进的计算模型集成在一起.
- 评估回归和神经网络技术的性能,以进行缺陷表征.
主要方法:
- 使用了一个八层石墨/环氧复合板,配有压电补丁.
- 采用随机电压刺激来激发和捕获结构反应.
- 整合了六种回归技术和人工神经网络 (ANN) 来进行本地化.
- 结合了五种信号分解方法和四种分类器来识别缺陷类型.
主要成果:
- 使用拟议的框架,实现了超过99.6%的本地化准确性.
- 在识别缺陷类型方面达到高达98.26%的准确性.
- 经过精确检测,在板层层检测出以前未见的分层和裂缺陷.
- 发现压电传感器电压信号优于加速信号,用于缺陷特征.
结论:
- 集成的压电回归/神经网络框架提供了强大的非破坏性评估能力.
- 该方法显示了实时结构健康监测的巨大潜力.
- 这种方法为复合材料完整性评估提供了精确可靠的解决方案.
