纺织学报 ›› 2019, Vol. 40 ›› Issue (05): 53-58.doi: 10.13475/j.fzxb.20180503006

• 纺织工程 • 上一篇    下一篇

基于主成分分析的智能复合材料结构损伤类型识别

#br#   


  • 收稿日期:2018-05-14 修回日期:2019-02-03 出版日期:2019-05-15 发布日期:2019-05-21
  • 基金资助:


Structural damage identification of intelligent composite materials based on principal component analysis

  • Received:2018-05-14 Revised:2019-02-03 Online:2019-05-15 Published:2019-05-21

摘要:

针对三维编织复合材料制件结构状态监控的关键问题,提出了基于三维六向编织工艺将碳纳米管纱线嵌入到整体复合材料制件中,构建三维空间结构的智能复合材料的方法,利用损伤指数实现了对智能复合材料制件内部损伤类型的识别,并分析了4 组三维六向编织智能复合材料制件的损伤指数表现特征。结果表明:综合损伤指数优于其他3 种损伤指数,综合损伤指数可精确识别制件内部损伤的类型;对于三维编织复合材料制件内部空隙类微小损伤,综合损伤指数监测值小于100;对于制件内部裂纹的损伤,综合损伤指数监测值位于300~500;当综合损伤指数监测值大于600 时,可判断为试件存在大裂口损伤;基于损伤指数可计算制件内部损伤大小,精度可达到0. 073 mm。

关键词: 智能编织复合材料, 三维六向编织, 主成分分析, 碳纳米管线传感器, 损伤指数

Abstract:

Aiming at the key problems in monitoring the structural state of three-dimensional braided composites, a method to build three-dimensional space-structured intelligent composite material was developed by embedding carbon nanotube yarns into the overall composites based on the threedimensional six-directional braiding process. The damage index was adopte to realize the identification of the internal damage type of the intelligent composite specimen. For the internal damage of threedimensional six-directional braided composite materials, four damage index performance characteristics were analyzed. Experiments show that combined damage index is better than the other three damage indexes and combined damage index can accurately identify the type of damage within the specimen. The three-dimensional braided composite material has small internal void damage and the combined damage index is less than 100. For internal crack damage of the composite specimen, combined damage index monitoring value is 300-500. When the combined damage index monitoring value is greater than 600, it can be judged that a large crack damage exists in the test specimens. Based on the damage index, the
internal damage of the specimen can be calculated and the precision can reach 0. 073 mm.

Key words: intelligent braided composite, three-dimensional six-directional braiding, principal component analysis, carbon nanotube yarn sensor, damage index

[1] 万振凯 李鹏 贾敏瑞 贡丽英 张志钢. 大尺寸三维编织复合材料结构损伤指数特征[J]. 纺织学报, 2018, 39(09): 65-70.
[2] 张陆佳 林兰天 陈春敏 申炎仃 高琮. 基于主成分分析的纤维拉伸断裂声发射信号识别[J]. 纺织学报, 2018, 39(01): 19-24.
[3] 万振凯 张志刚 贾敏瑞 包玮琛 董卿霞. 基于碳纳米线传感器的三维六向编织复合材料内部损伤定位[J]. 纺织学报, 2017, 38(08): 68-74.
[4] 夏凤勤 毋戈 谢昊洋 钟跃崎. 基于人体纵截面特征曲线的体型分类[J]. 纺织学报, 2017, 38(06): 86-91.
[5] 李东 万贤福 汪军. 采用傅里叶描述子和支持向量机的服装款式识别方法[J]. 纺织学报, 2017, 38(05): 122-127.
[6] 万振凯 贡丽英 万莉. 基于损伤指数的三维编织复合材料结构损伤评估[J]. 纺织学报, 2017, 38(05): 69-74.
[7] 王玲 杨以雄 陈炜. 服装工序相似性标准工时预测[J]. 纺织学报, 2016, 37(11): 114-119.
[8] 苟捷 刘建立 高卫东. 应用主成分分析的原棉可纺性指数构建[J]. 纺织学报, 2015, 36(08): 16-21.
[9] 金关秀 应伟伟 雷新 从明芳 祝成炎. 纺粘非织造布孔隙形状的定量分析[J]. 纺织学报, 2015, 36(08): 56-61.
[10] 夏明 王文玲 张文斌. 人体特征断面形状拟合及围度尺寸预测[J]. 纺织学报, 2014, 35(8): 76-0.
[11] 钟智丽 王玉新. 聚丙烯长丝/芳纶包缠纱捻度的优化[J]. 纺织学报, 2014, 35(6): 40-0.
[12] 耿艳蕾;崔运花;程隆棣;黄淑韵. 不同结构竹浆纤维纱线性能测试及分类[J]. 纺织学报, 2010, 31(4): 35-38.
[13] 刘贵;于伟东.. 主成分分析的BP神经网络在精毛纺粗纱工序中的应用[J]. 纺织学报, 2008, 29(9): 34-37.
[14] 徐松杰. 基于主成分分析法的纺织企业技术改造效果评价[J]. 纺织学报, 2008, 29(7): 128-131.
[15] 李艳梅.;张渭源. 基于灰色模型的服装面料缝纫皱缩预测[J]. 纺织学报, 2008, 29(6): 92-95.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 童小素;张瑞林. 纱线真实感的计算机仿真[J]. 纺织学报, 2008, 29(6): 117 -120 .
[2] 倪春锋 于勤 高卫东 王鸿博 . 基于精梳毛纺系统的超短羊绒纯纺梳毛工艺与优化[J]. 纺织学报, 2013, 34(12): 28 -0 .
[3] 王翠翠 程海涛 宋伟 李文燕 张双保. 超声处理对纳米改性竹纤维力学性能的影响[J]. 纺织学报, 2016, 37(3): 16 -20 .
[4] 曹含光. 梳棉机磨针不匀问题的研讨[J]. 纺织学报, 1985, 6(05): 24 -26 .
[5] 李元祥;黄丹香. 应用同类相关系数衡量纺织品质量的稳定性[J]. 纺织学报, 1993, 14(02): 15 -17 .
[6] 虞波;吕春春;施舒雯;陈娟美. 涤纶织物测配色基础数据的通用性[J]. 纺织学报, 2010, 31(9): 68 -73 .
[7] 李济群. 国产毛 C07型自调匀整装置延迟时间的简约计算式[J]. 纺织学报, 1993, 14(03): 19 -21 .
[8] 杨惠方;黄淑珍. 太空棉的辐射系数测量和计算的探索[J]. 纺织学报, 1993, 14(08): 9 -11 .
[9] 马颜雪 李毓陵 刘梦佳 李雅倩 杨馨. 整体褶裥机织面料的织造新方法[J]. 纺织学报, 2018, 39(04): 42 -46 .
[10] 郑万华;庄嘉;赵书经. 兔毛的超微细胞结构的研究[J]. 纺织学报, 1989, 10(08): 8 -10 .