当前位置: X-MOL 学术Mech. Syst. Signal Process. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
A hybrid support vector regression with multi-domain features for low-velocity impact localization on composite plate structure
Mechanical Systems and Signal Processing ( IF 7.9 ) Pub Date : 2021-01-09 , DOI: 10.1016/j.ymssp.2020.107547
Qi Liu , Fengde Wang , Jindong Li , Wensheng Xiao

The accurate localization of low-velocity impacts on the composite plate structure of the ship is still a great challenge. Current research mainly focuses on extracting single domain features from impact signals as the input of machine learning methods, whereas ignores multi-domain features with more comprehensive impact information. In this paper, a hybrid support vector regression with multi-domain features is proposed to increase the localization accuracy in determining the locations of low-velocity impacts on the composite plate structure. The proposed method consists of the signal preprocessing, the multi-domain feature extraction, and the impact localization. In the signal preprocessing, the trend component in the low-velocity impact signals is eliminated by adopting the empirical mode decomposition (EMD) method. Then, the multi-domain features, which include time domain features, frequency domain features, and time-frequency domain features, are extracted from the preprocessed impact signals. Finally, the optimized support vector regression based on the bat algorithm (BA-SVR) is designed to implement the localization of low-velocity impacts. The low-velocity impact localization system using four fiber Bragg grating (FBG) sensors is established on a carbon fiber reinforced plastic (CFRP) plate, and then five sets of experiments are executed. The statistical results in these experiments demonstrate the effectiveness and feasibility of BA-SVR that uses multi-domain features and four FBG sensors and the satisfactory localization performance of the proposed method in handling the low-velocity impact localization problem on the CFRP plate.



中文翻译:

具有多域特征的混合支持向量回归,用于复合材料板结构上的低速冲击定位

低速冲击在船上复合板结构上的精确定位仍然是一个巨大的挑战。当前的研究主要集中在从冲击信号中提取单域特征作为机器学习方法的输入,而忽略具有更全面影响信息的多域特征。本文提出了一种具有多域特征的混合支持向量回归,以提高确定低速撞击复合板结构位置时的定位精度。所提出的方法包括信号预处理,多域特征提取和影响定位。在信号预处理中,通过采用经验模态分解(EMD)方法消除了低速冲击信号中的趋势分量。然后,从预处理的冲击信号中提取多域特征,包括时域特征,频域特征和时频域特征。最后,设计了基于蝙蝠算法(BA-SVR)的优化支持向量回归算法,以实现对低速碰撞的定位。在碳纤维增强塑料(CFRP)板上建立了使用四个光纤布拉格光栅(FBG)传感器的低速冲击定位系统,然后执行五组实验。这些实验的统计结果证明了使用多域特征和四个FBG传感器的BA-SVR的有效性和可行性,以及所提出的方法在处理CFRP板上的低速冲击定位问题上的令人满意的定位性能。从预处理的冲击信号中提取出包括时域特征,频域特征和时频域特征的信号。最后,设计了基于蝙蝠算法(BA-SVR)的优化支持向量回归算法,以实现对低速碰撞的定位。在碳纤维增强塑料(CFRP)板上建立了使用四个光纤布拉格光栅(FBG)传感器的低速冲击定位系统,然后执行五组实验。这些实验的统计结果证明了使用多域特征和四个FBG传感器的BA-SVR的有效性和可行性,以及所提出的方法在处理CFRP板上的低速冲击定位问题上的令人满意的定位性能。从预处理的冲击信号中提取出包括时域特征,频域特征和时频域特征的信号。最后,设计了基于蝙蝠算法(BA-SVR)的优化支持向量回归算法,以实现对低速碰撞的定位。在碳纤维增强塑料(CFRP)板上建立了使用四个光纤布拉格光栅(FBG)传感器的低速冲击定位系统,然后执行五组实验。这些实验的统计结果证明了使用多域特征和四个FBG传感器的BA-SVR的有效性和可行性,以及所提出的方法在处理CFRP板上的低速冲击定位问题上的令人满意的定位性能。时域特征和时频特征是从预处理后的碰撞信号中提取的。最后,设计了基于蝙蝠算法(BA-SVR)的优化支持向量回归算法,以实现对低速碰撞的定位。在碳纤维增强塑料(CFRP)板上建立了使用四个光纤布拉格光栅(FBG)传感器的低速冲击定位系统,然后执行五组实验。这些实验的统计结果证明了使用多域特征和四个FBG传感器的BA-SVR的有效性和可行性,以及所提出的方法在处理CFRP板上的低速冲击定位问题上的令人满意的定位性能。时域特征和时频特征是从预处理后的碰撞信号中提取的。最后,设计了基于蝙蝠算法(BA-SVR)的优化支持向量回归算法,以实现对低速碰撞的定位。在碳纤维增强塑料(CFRP)板上建立了使用四个光纤布拉格光栅(FBG)传感器的低速冲击定位系统,然后执行五组实验。这些实验的统计结果证明了使用多域特征和四个FBG传感器的BA-SVR的有效性和可行性,以及所提出的方法在处理CFRP板上的低速冲击定位问题上的令人满意的定位性能。设计了基于蝙蝠算法(BA-SVR)的优化支持向量回归算法,以实现对低速撞击的定位。在碳纤维增强塑料(CFRP)板上建立了使用四个光纤布拉格光栅(FBG)传感器的低速冲击定位系统,然后执行五组实验。这些实验的统计结果证明了使用多域特征和四个FBG传感器的BA-SVR的有效性和可行性,以及所提出的方法在处理CFRP板上的低速冲击定位问题上的令人满意的定位性能。设计了基于蝙蝠算法(BA-SVR)的优化支持向量回归算法,以实现对低速撞击的定位。在碳纤维增强塑料(CFRP)板上建立了使用四个光纤布拉格光栅(FBG)传感器的低速冲击定位系统,然后执行五组实验。这些实验的统计结果证明了使用多域特征和四个FBG传感器的BA-SVR的有效性和可行性,以及所提出的方法在处理CFRP板上的低速冲击定位问题上的令人满意的定位性能。在碳纤维增强塑料(CFRP)板上建立了使用四个光纤布拉格光栅(FBG)传感器的低速冲击定位系统,然后执行五组实验。这些实验的统计结果证明了使用多域特征和四个FBG传感器的BA-SVR的有效性和可行性,以及所提出的方法在处理CFRP板上的低速冲击定位问题上的令人满意的定位性能。在碳纤维增强塑料(CFRP)板上建立了使用四个光纤布拉格光栅(FBG)传感器的低速冲击定位系统,然后执行五组实验。这些实验的统计结果证明了使用多域特征和四个FBG传感器的BA-SVR的有效性和可行性,以及所提出的方法在处理CFRP板上的低速冲击定位问题上的令人满意的定位性能。

更新日期:2021-01-10
down
wechat
bug