机构名称：
¥ 1.0
结构性健康监测（SHM）是一种监视策略，它依赖于感兴趣的结构或组件上的传感器网络允许其连续监视，从而大大减少了两次连续检查之间的时间。在SHM框架中使用的几种非破坏性技术（NDT），超声引导的波，尤其是羔羊波中，事实证明，通过利用压电（PZT）传感器网络以使波浪启动和感受效率有效。专注于羔羊波，它们已被广泛用于成像和断层扫描方法[5] [6] [7]。但是，这些方法需要从信号中提取特征才能获得损坏索引（DIS）[1] [8] [9]。同样，由于有必要实时或实时的性能以实现SHM的目的，因此正在应用机器学习（ML）算法。但是，常规的ML方法通常是监督方法，并且不能解决对从信号提取损害特征的预处理阶段的需求[10] [11] [12]。
铝板中结构性损害诊断的物理知识的机器学习
主要关键词
相关文件推荐
