دوره 17، شماره 7 - ( 7-1396 )                   جلد 17 شماره 7 صفحات 372-363 | برگشت به فهرست نسخه ها

‎ 20.1001.1.10275940.1396.17.7.18.0

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Khazaee M, Salehzadeh Nobari A, Khazaee M. Damage detection in Glass Fiber Reinforced Plastic (GFRP) using neural network based on denoising with different mother wavelets. Modares Mechanical Engineering 2017; 17 (7) :363-372
URL: http://mme.modares.ac.ir/article-15-1508-fa.html
خزائی مجید، صالح زاده نوبری علی، خزائی مقداد. تشخیص خرابی در صفحه چندلایه کامپوزیت الیاف شیشه با استفاده از شبکه عصبی مصنوعی با نویز زدایی توسط انواع مختلف تبدیل های موجک مادر. مهندسی مکانیک مدرس. 1396; 17 (7) :363-372

URL: http://mme.modares.ac.ir/article-15-1508-fa.html

تشخیص خرابی در صفحه چندلایه کامپوزیت الیاف شیشه با استفاده از شبکه عصبی مصنوعی با نویز زدایی توسط انواع مختلف تبدیل های موجک مادر
مجید خزائی1 ، علی صالح زاده نوبری* 2، مقداد خزائی3
1- دانشگاه صنعتی امیرکبیر
2- دانشگاه صنعتی امیرکبیر، دانشکده مهندسی هوافضا
3- دانشگاه تربیت مدرس
چکیده:   (4075 مشاهده)
این مقاله به تشخیص ارتعاشی خرابی در چندلایه کامپوزیت الیاف شیشه با استفاده از آنالیز سیگنال زمانی و شبکه عصبی مصنوعی می‌پردازد. به‌منظور کاهش نویز سیگنال‌های ارتعاشی، نویز زدایی با استفاده از تبدیل موجک به انجام رسید. پس از داده‌کاوی و استخراج ویژگی‌های آماری از سیگنال‌های پردازش‌شده، شبکه عصبی به‌عنوان تشخیص‌دهنده، چندلایه کامپوزیت معیوب را شناسایی نمود. ارزیابی دقت تشخیص عیب توسط ساختارهای مختلف شبکه عصبی مصنوعی به انجام رسید که درنتیجه بهترین عملکرد شبکه عصبی مصنوعی در تشخیص خرابی انتخاب گردید. سپس، مقایسه میان دقت عیب‌یابی با استفاده از سیگنال‌های نویززایی شده توسط تبدیل های موجک مادر مختلف در مراحل تجزیه مختلف به انجام رسید تا بهترین تبدیل سیگنال جهت تشخیص خرابی مشخص گردد. نتایج نشان می‌دهد که ساختار شبکه عصبی مصنوعی بر دقت تشخیص عیب اثر مهمی خواهد داشت و مناسب‌ترین دقت در تعداد 75 لایه پنهان و اختصاص 80%، 10% و 10% داده ها به آموزش، اعتبارسنجی و تست حاصل گردید. همچنین استفاده از تبدیل های موجک مادر دوبشی 3 و موجک مادر دو متعامد 3.7 در مرحله تجزیه 2 منجر به تشخیص عیب با بالاترین دقت در میان سایر موجک های مادر در زمان مناسب تر خواهد شد. روش مذکور به عنوان روشی مبتنی بر داده‌های واقعی با داده برداری از نقاط تعیین شده، تشخیص عیب را در صفحات کامپوزیت با دقت مناسب در زمان محاسبه کوتاه انجام می‌دهد، لذا از این روش می‌توان جهت پایش وضعیت سازه های کامپوزیتی به‌صورت آفلاین و آنلاین، با افزودن قابلیت داده برداری برخط، استفاده نمود.
واژه‌های کلیدی: کامپوزیت الیاف شیشه، تشخیص خرابی، شبکه عصبی، نویز زایی، تبدیل موجک
متن کامل [PDF 1400 kb]   (5674 دریافت)    
نوع مقاله: مقاله پژوهشی کامل | موضوع مقاله: آزمون غیرمخرب
دریافت: 1395/12/16 | پذیرش: 1396/3/14 | انتشار: 1396/5/13
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.