遗传算法优化的碳纤维复合材料声发射数据聚类分析

摘要：

碳纤维复合材料在拉伸损伤试验中,会产生大量的声发射信号.对声发射信号的数据进行了分析,找出了碳纤维复合材料的损伤演变规律.对数据进行聚类分析,将数据分成由类似对象组成的多个簇,找出簇与损伤之间的对应关系.通过对聚类后数据进行建模,得到碳纤维复合材料拉伸损伤识别模型.由于声发射信号的特征是一个多维向量,特征之间存在一定的关联,为了提高建模速度,需要对数据进行降维,以选择主要影响因素的特征.为此,采用遗传算法对数据进行降维,去掉冗余的特征,而保留主要的特征.最后将处理前后数据分别代入到BP神经网络,对其进行损伤识别.试验结果表明:采用遗传算法优化对数据进行降维,其建模时间更短,识别效率更优.

关键词：声发射、碳纤维复合材料、聚类分析、BP神经网络、模式识别

所属期刊栏目：41

分类号：TG115.28;TP274(金属学与热处理)

在线出版日期：2019-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-5,37