Using acoustic emission technique for structural health monitoring of laminate composite: A novel CNN-LSTM framework

卷积神经网络 计算机科学 声发射 深度学习 人工智能 复合数 信号(编程语言) 模式识别(心理学) 循环神经网络 集合(抽象数据类型) 灵敏度(控制系统) 人工神经网络 语音识别 材料科学 算法 工程类 电子工程 复合材料 程序设计语言
作者
Jinbo Du,Jie Zeng,Han Wang,Huiming Ding,Haijin Wang,Yunbo Bi,Haijin Wang,Yunbo Bi
出处
期刊:Engineering Fracture Mechanics [Elsevier BV]
卷期号:309: 110447-110447 被引量:45
标识
DOI:10.1016/j.engfracmech.2024.110447
摘要

This research has developed a real-time end-to-end deep learning model for structural health monitoring (SHM) method for composite impact damage diagnosis based on Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM). The acoustic emission (AE) signals collected under low-velocity impacts by means of piezoelectric sensors on composite materials are used for training deep learning networks. Based on the impact load curves, specimens are categorized into minor failure, intermediate failure, and severe failure. The convolved signals are segmented and reconstructed at a given length for the following LSTM module. The average accuracies for basic CNN, CNN– Recurrent Neural Network (RNN), CNN-LSTM, and CNN– Gated Recurrent Unit (GRU) are respectively 88.7 %, 92.6 %, 98 %, and 95.4 %. A sensitivity analysis on sub-signal length was conducted on the CNN-LSTM model, revealing that the model achieved its best performance when the sub-signal length was set at 16. The model attained prediction accuracies of 97.4 %, 100 %, and 100 %, respectively, for minor failure, intermediate failure, and severe failure cases.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
研友_Z7gV2Z完成签到,获得积分10
1秒前
aaa完成签到,获得积分10
1秒前
1秒前
酷酷柚子发布了新的文献求助10
2秒前
王昊发布了新的文献求助10
2秒前
打打的应助被很好采纳,获得10
2秒前
3秒前
3秒前
4秒前
叶心完成签到,获得积分10
5秒前
笑点低醉波完成签到,获得积分10
5秒前
左江夜渔人完成签到,获得积分10
5秒前
mumu发布了新的文献求助30
6秒前
stoneff完成签到,获得积分10
6秒前
大雪纷飞发布了新的文献求助10
6秒前
SFC完成签到,获得积分10
6秒前
7秒前
7秒前
饱饱完成签到,获得积分10
8秒前
Ava的应助被独特忆南采纳,获得10
8秒前
8秒前
8秒前
10秒前
怡然缘分发布了新的文献求助10
10秒前
天天快乐的应助被蛋又白采纳,获得10
10秒前
DW的应助被leo采纳,获得10
11秒前
赘婿的应助被科研通管家采纳,获得10
12秒前
12秒前
null的应助被AAA采纳,获得10
13秒前
所所的应助被科研通管家采纳,获得10
13秒前
null的应助被科研通管家采纳,获得10
14秒前
xtt121的应助被科研通管家采纳,获得10
14秒前
14秒前
深情安青的应助被西柏采纳,获得10
14秒前
xtt121的应助被科研通管家采纳,获得10
14秒前
bkagyin的应助被15274887998采纳,获得10
14秒前
wanci的应助被科研通管家采纳,获得10
14秒前
斯文败类的应助被科研通管家采纳,获得30
14秒前
Orange的应助被科研通管家采纳,获得10
14秒前
斯文败类的应助被科研通管家采纳,获得10
14秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
Grapes 1000
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8178280
求助须知:如何正确求助?哪些是违规求助? 9569046
关于积分的说明 21802436
捐赠科研通 7773138
什么是DOI,文献DOI怎么找? 3432735
关于科研通互助平台的介绍 2556770
邀请新用户注册赠送积分活动 2478274