基于机器学习的黏钢构件黏接层缺陷识别方法研究OA北大核心CSTPCD
A Defect Identification Method for Bonding Layers of Adhesive Steel Members Based on Machine Learning
对黏钢加固结构黏接层缺陷对超声检测信号的影响进行了深入研究,并提出了一种基于机器学习的黏接层缺陷识别的新型方法.首先,该文基于直接接触式的脉冲回波反射法对黏钢构件进行有限元模拟,并阐述了超声波在黏钢构件中的传播规律;其次,通过分析局部段超声回波信号及相关信号特征,讨论了不同缺陷变量对超声回波信号的影响规律;最后,建立了黏钢构件超声时程响应数据集,并对比了不同机器学习模型对缺陷大小、位置的分类识别性能,形成了黏钢构件黏接层缺陷识别方法.结果表明,局…查看全部>>
The effects of bonding layer defects on ultrasonic detection signals of bonded steel reinforced struc-tures were deeply studied and a new method for the bonding layer defect identification based on machine learn-ing was proposed.Firstly,based on the direct contact pulse-echo reflection method,the finite element simula-tion of the viscous steel member was carried out,and the propagation law of ultrasonic waves in the viscous steel member was expounded.Secondl…查看全部>>
姚浩;夏桂然;刘泽佳;周立成
广州交通投资集团有限公司,广州 510330华南理工大学 土木与交通学院,广州 510641华南理工大学 土木与交通学院,广州 510641华南理工大学 土木与交通学院,广州 510641
力学
超声检测机器学习黏钢构件黏接层缺陷
ultrasonic testingmachine learningbonded steel componentbonding layer defect
《应用数学和力学》 2024 (4)
429-442,14
广东省自然科学基金(2023A1515012942)
评论