دسته‌بندی سیگنال‌های آکوستیک امیشن حاصل از جدایش لایه‌ای در کامپوزیت‌های شیشه/ پلیاستر با استفاده از ترکیب روش آنالیز اجزاء اصلی و روش فازی

نوع مقاله : مقاله پژوهشی

نویسندگان

ایرانی

چکیده

یکی از قابلیت های اکوستیک امیشن (Acoustic emission (AE)) تفکیک انواع خرابی ها در کامپوزیت‌های تحت بار می‌باشد. از طرفی مشکل اصلی در تحلیل و پردازش سیگنال‌ها، تفکیک و تمیز منابع خرابی می‌‌باشد؛ پس دسته‌بندی صحیح سیگنال اکوستیک می‌‌تواند در مباحث بازرسی و تفسیر، بسیار کمک کننده و انعکاسی از ساختار داخلی سازه باشد. در این مقاله دسته‌بندی بر مبنای ترکیب دو روش ارائه خواهد شد: روش اول مبتنی بر مبنای ریاضی بوده و به نام آنالیز اجزاء اصلی(Principal component analysis (PCA)) شناخته می‌شود که جهت کاهش ابعاد داده، به‌کار خواهد رفت و روش دوم به نام روش فازی (Fuzzy Clustering means (FCM)) است که پیرو داده‌های بهینه شده از آنالیز اجزاء اصلی، دسته‌بندی را انجام خواهد داد. از کامپوزیت تک جهته شیشه / پلی استر با چیدمان گوناگون و تحت بار گذاری مدI ، جهت اعتبار سنجی این تکنیک‌ها استفاده و در نهایت از تصاویر میکروسکوپ الکترونی روبشی (Scanning electron microscopy (SEM)) جهت صحه گذاری دسته‌بندی روش فازی بهره برداری خواهد شد.

عنوان مقاله [English]

Classification of Acoustic Emission Signals Collected During Mode I Delamination on Glass/Polyester Composites by Integration of the Principal Component Analysis and Fuzzy Clustering Means

نویسندگان [English]

  • jahan Taghizadeh
  • mehdi Ahmadi Nadjafabadi
چکیده [English]

Acoustic emission (AE) can be use to discriminate the different types of damage occurring in a constrained composite. However, the main problem associated with data analysis is the discrimination between the different acoustic emission sources. The objective of the cluster analysis is to separate a set of data into several classes that reflect the internal structure of the data. Indeed, cluster analysis is an important tool for investigating and interpreting data. In this paper, we intend to use two kinds of classifier techniques: a mathematical procedure that is called principal component analysis (PCA) and an unsupervised one fuzzy clustering means (FCM). Glass/polyester composites specimens used for the validation of the proposed methodologies. We worked on glass/polyester unidirectional specimens, subjected to duration of Mode I delamination within different configurations, awaiting preferential damage modes in the material.