文献

J-GLOBAL ID：201802277594596437   整理番号：18A0274061

一方向積層板における損傷機構を同定するためのアコースティックエミッション信号の学習データベースを構築するための教師なしクラスタリング【Powered by NICT】

Unsupervised clustering for building a learning database of acoustic emission signals to identify damage mechanisms in unidirectional laminates

著者 (6件)： Ech-Choudany Y. (CReSTIC Laboratory, University of Reims Champagne-Ardenne, IUT de Troyes, 9 rue de Quebec, 10000 Troyes, France) ,  Ech-Choudany Y. (LSE2I Laboratory, National School of Applied Sciences, Mohammed First University, 60000 Oujda, Morocco) ,  Assarar M. (LISM Laboratory, University of Reims Champagne-Ardenne, IUT de Troyes, 9 rue de Quebec, 10000 Troyes, France) ,  Scida D. (LISM Laboratory, University of Reims Champagne-Ardenne, IUT de Troyes, 9 rue de Quebec, 10000 Troyes, France) ,  Morain-Nicolier F. (CReSTIC Laboratory, University of Reims Champagne-Ardenne, IUT de Troyes, 9 rue de Quebec, 10000 Troyes, France) ,  Bellach B. (LSE2I Laboratory, National School of Applied Sciences, Mohammed First University, 60000 Oujda, Morocco)
資料名： Applied Acoustics  (Applied Acoustics)
巻： 123  ページ： 123-132  発行年： 2017年 
JST資料番号： D0559A  ISSN： 0003-682X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究は,ガラス繊維強化複合材料の損傷機構により誘起されたインクリメンタルなクラスタリング(IC)と呼ばれる,アコースティックエミッション(AE)信号の新しいクラスタリング法を開発することである。文献からの他の方法に対するこの方法の利点は,情報を運ぶ信号を同定し,付加的な専門知識を用いないタイプの損傷機構を提供する能力である。実際のデータに基づく方法を適用するために,ガラス繊維強化エポキシ複合材料のいくつかの試料を作製し,固有の機械的試験を行った。開発された方法はAE信号を分類するために広く使用されていることをk-平均法と比較した。学習データベースの信頼性はk最近傍の性能評価」(kNN)分類器によりチェックした。kNN分類器を訓練データセットで訓練し試験データセットにより評価した。受信者動作特性曲線下面積(AUC)は,分類器の性能を評価するための基準として使用した。特異的機械的試験から,IC法は成功裏にAE信号を分類し,k-平均法よりも標識学習データベースを構築するために多くの利点を示した。異なる損傷機構の出現の年代は増分法の有効性を示した。,各損傷型の0.9以上のAUCの値によって特徴付けられ,監理された方法の強力な性能を得られた学習データベースの信頼性を確認した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 信頼性 ,  *データベース ,  複合材料 ,  *学習 ,  *積層板 ,  *アコースティックエミッション ,  *クラスタ化 ,  ガラス ,  機械的検査 ,  ガラス繊維 ,  性能評価
準シソーラス用語： 訓練データ ,  *教師なしクラスタリング ,  *AE信号 ,  *損傷メカニズム , 【Automatic Indexing@JST】

著者キーワード (7件)： アコースティックエミッション ,  インクリメンタルクラスタリング ,  k-平均 ,  kNN ,  ROC曲線 ,  損傷機構 ,  ガラス繊維強化複合材料

分類 (3件)： 非破壊試験  (HB02030F) ,  パターン認識  (JE07000S) ,  変圧器  (NB08020Q)

タイトルに関連する用語 (8件)： 積層板 ,  損傷 ,  同定 ,  アコースティックエミッション信号 ,  学習 ,  データベース ,  構築 ,  教師なしクラスタリング