تبدیل موجک دو بعدی مبتنی بر یادگیری ماشین برای تشخیص آسیب در قابهای کامپوزیتی چندلایه با شکل T

این مقاله یک استراتژی قوی برای تشخیص آسیب در قابهای کامپوزیتی چندلایه با شکل T را معرفی می نماید. یک طرح تبدیل موجک دوبعدی مبتنی بر یادگیری ماشین سیگنالهای یک بعدی را با تبدیل آنها به فرمت دوبعدی پردازش می کند و امکان تجزیه و تحلیل سیگنال و جزئیات آن را با استفاده از تبدیل موجک گسسته دو بعدی در هر دو جهت افقی و عمودی فراهم می کند. روش پیشنهادی، اطلاعات آسیب پنهان در سیگنال را از حوزه گراف یک بعدی به حوزه پیکسل منتقل می کند تا موقعیت آسیب را در سیگنال های شکل مود سازه ای به طور دقیق تعیین کند. از یک شبکه عصبی برای انتخاب گشتاورهای محو کننده بهینه از نظر ویژگی های ضریب موجک استفاده می شود. نتایج نشان می دهد که رویکرد دوبعدی مبتنی بر یادگیری ماشین پیشنهادی در تشخیص آسیب از تبدیل موجک یک بعدی سنتی بهتر عمل می کند.

کلیدواژه ها:

تشخیص آسیب ، پایش سلامت سازه ، تبدیل موجک ، سازه های قابی ، تبدیل موجک