研究目的
利用光纤布拉格光栅和ε-支持向量回归预测损伤程度，以评估碳纤维增强塑料（CFRP）结构损伤确保其服役安全。
研究成果
ε-SVR模型能准确预测碳纤维增强复合材料结构的损伤程度，大多数测试样本的绝对相对误差小于10%。该方法利用光纤光栅传感器降低质量影响，并采用回归分析进行小样本预测，在结构健康监测领域展现出应用前景。未来研究可探索实际损伤类型及更大规模数据集。
研究不足
该研究采用质量加载模拟损伤，可能无法完全反映真实损伤场景。该方法需要主动激励，且对传感器布置和环境因素较为敏感。较小的样本量（60个训练样本，30个测试样本）可能限制其普适性，而特征选择阈值（0.05至0.15）是经验性选取的，未经充分验证。
1：实验设计与方法选择：
本研究采用光纤布拉格光栅（FBG）传感器检测结构动态响应信号，运用傅里叶变换提取频率响应特征作为损伤特征，通过RReliefF算法进行特征降维，并利用ε-支持向量回归（ε-SVR）建立预测模型。
2：样本选择与数据来源：
使用尺寸为500毫米×500毫米×2毫米的固定边缘CFRP板。通过在损伤区域加载集中质量块（0克、34.5克、69克、103.5克、138克、170克、202克）模拟损伤。训练样本包含60组（0克、69克、138克、202克各损伤程度15组），测试样本包含30组（34.5克、69克、103.5克、138克、170克、202克各损伤程度5组）。
3：0克、5克、69克、5克、138克、170克、202克）模拟损伤。训练样本包含60组（0克、69克、138克、202克各损伤程度15组），测试样本包含30组（5克、69克、5克、138克、170克、202克各损伤程度5组）。 实验设备与材料清单：
3. 实验设备与材料清单：设备包括FBG传感器（波长：1539.999纳米、1536.360纳米、1565.235纳米、1531.866纳米）、波长解调设备（MOI公司的SM130）、数据采集与处理装置、CFRP板、用于主动激励的钢球（25克，0.06焦耳能量）以及集中质量块。
4：999纳米、360纳米、235纳米、866纳米）、波长解调设备（MOI公司的SM130）、数据采集与处理装置、CFRP板、用于主动激励的钢球（25克，06焦耳能量）以及集中质量块。 实验流程与操作步骤：
4. 实验流程与操作步骤：采用钢球冲击进行主动激励。通过FBG传感器检测动态响应信号，经傅里叶变换处理获得频率响应，利用RReliefF进行特征降维，并通过交叉验证优化参数来训练和验证ε-SVR模型。
5：数据分析方法：
使用RReliefF计算特征权重，通过网格搜索和k折交叉验证优化模型参数（正则化和核函数），并采用均方误差和相对误差评估预测精度。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
FBG sensor
Wavelengths: 1539.999 nm, 1536.360 nm, 1565.235 nm, 1531.866 nm
Detect structural dynamic response signals by monitoring changes in Bragg wavelength due to strain.
-
Wavelength demodulation equipment
SM130
MOI
Demodulate the wavelength signals from FBG sensors at a frequency of 1 kHz with four channels.
-
CFRP plate
Size: 500 mm × 500 mm × 2 mm
Serve as the test structure for damage simulation and signal detection.
-
Steel ball
Mass: 25 g
Apply active excitation to the structure with an energy of 0.06 J by impact.
-
Concentrated mass block
Masses: 0 g, 34.5 g, 69 g, 103.5 g, 138 g, 170 g, 202 g
Simulate different damage degrees by loading onto the CFRP structure.
-
登录查看剩余3件设备及参数对照表
查看全部
