文献

J-GLOBAL ID：202202290263789733   整理番号：22A0429005

アコースティックエミッションを用いた繊維強化複合材料積層板の損傷予測のための深層学習法【JST・京大機械翻訳】

A deep learning method for damage prognostics of fiber-reinforced composite laminates using acoustic emission

著者 (3件)： Xu D. (Institute of Chemical Machinery and Process Equipment, College of Energy Engineering, Zhejiang University, Hangzhou 310027, China) ,  Liu P.F. (Ocean College, Zhejiang University, Zhoushan 316021, China) ,  Chen Z.P. (Institute of Chemical Machinery and Process Equipment, College of Energy Engineering, Zhejiang University, Hangzhou 310027, China)
資料名： Engineering Fracture Mechanics  (Engineering Fracture Mechanics)
巻： 259  ページ： Null  発行年： 2022年 
JST資料番号： A0119A  ISSN： 0013-7944  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 先進非破壊試験技術を用いた繊維強化複合材料の損傷予測は,それらの複雑な損傷メカニズムにより大きな意義がある。本論文では,音響放射(AE)技術を用いて,性能劣化プロセスをモニターし,種々の破壊モードの損傷進展を有するガラス繊維/エポキシ複合材積層板の残留荷重支持能力を推定した。AE信号の事前知識に基づき,特徴評価アルゴリズムと深層学習法を組み合わせることによる予測モデルを開発した。最初に,モデルは24のAE特徴に関する特徴評価を実行して,種々のAEセンサの多重展望から劣化不感性特徴をフィルタリングした。第二に,畳み込みニューラルネットワークモデルを構築し,劣化推定のための5つの有益な特徴に関して訓練した。推定精度は,劣化段階に依存する一般的に高いことを検証した。第3に,推定に及ぼす入力シーケンスにおけるAE信号の数の影響を,さらに調査した。結果は,そのような予測モデルが複合材料の劣化過程と損傷耐性を定量化する実行可能な経路を提供することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  複合材料 ,  ガラス繊維 ,  フィルタリング ,  多重化 ,  *アコースティックエミッション ,  非破壊検査 ,  破壊モード ,  積層板 ,  予測モデル
準シソーラス用語： 事前知識 ,  推定精度 ,  AE信号 ,  *繊維強化複合材料 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： アコースティックエミッション ,  畳込みニューラルネットワーク(CNN) ,  損傷の予後 ,  残留荷重支持能力 ,  複合材料

分類 (2件)： ゴム・プラスチック材料  (HC04030W) ,  モルタル,コンクリート  (RA06042H)

タイトルに関連する用語 (6件)： アコースティックエミッション ,  繊維強化複合材料 ,  積層板 ,  損傷 ,  予測 ,  深層学習