期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于电学成像与深度学习的蜂窝结构冲击损伤识别研究
1
作者
周登
李雪峰
+1 位作者
严刚
黄再兴
《航空制造技术》
CSCD
北大核心
2024年第13期84-91,共8页
针对蜂窝夹层结构遭受外物冲击的情况,提出结合电学成像和深度学习的方法,对冲击损伤进行在线监测和识别,为结构完整性评估和决策提供准确信息。首先通过丝网印刷技术,使用碳油墨和银浆油墨在结构表面分别制备感应层和导电线路;然后对...
针对蜂窝夹层结构遭受外物冲击的情况,提出结合电学成像和深度学习的方法,对冲击损伤进行在线监测和识别,为结构完整性评估和决策提供准确信息。首先通过丝网印刷技术,使用碳油墨和银浆油墨在结构表面分别制备感应层和导电线路;然后对不同数量、位置和尺寸的冲击损伤进行数值仿真,获取对应的感应层电导率变化与边界电压变化数据样本,由残差神经网络进行深度学习,建立二者的映射关系;最后在结构遭受冲击前后分别测量感应层的边界电压数据,通过训练好的残差神经网络重建感应层电导率变化分布的图像,实现损伤信息的识别。通过对蜂窝夹层结构进行低速冲击试验,验证了所提出技术和方法的可行性和有效性。
展开更多
关键词
蜂窝夹层结构
冲击损伤识别
印刷感应层
电学成像
深度学习
在线阅读
下载PDF
职称材料
基于印刷感应层电学稀疏成像的蜂窝夹层结构冲击损伤识别
被引量：
2
2
作者
周登
严刚
+1 位作者
郭树祥
束嘉俊
《复合材料科学与工程》
CAS
北大核心
2022年第9期5-10,22,共7页
蜂窝夹层结构在航空航天领域具有广泛的应用,但其在使用过程中不可避免地会遭受损伤,特别是冲击造成的损伤对其强度有很大的影响。本文结合现代电子印刷技术,采用石墨烯导电碳油墨和银浆油墨在蜂窝夹层结构表面制备智能感应层,结合电学...
蜂窝夹层结构在航空航天领域具有广泛的应用,但其在使用过程中不可避免地会遭受损伤,特别是冲击造成的损伤对其强度有很大的影响。本文结合现代电子印刷技术,采用石墨烯导电碳油墨和银浆油墨在蜂窝夹层结构表面制备智能感应层,结合电学成像技术对低速冲击损伤进行识别。使用落锤冲击试验装置对蜂窝夹层结构进行了低速冲击,并于冲击前后在印刷感应层中注入微小电流获取边界电压变化。对电压数据进行分析,基于SpaRSA稀疏正则化算法重建感应层电导率变化的图像,将损伤信息可视化。实验结果表明,所提出方法能有效地识别出蜂窝夹层结构中冲击损伤的个数、位置和大致尺寸,与传统基于Tikhonov正则化的算法相比,稀疏成像算法对损伤尺寸的识别效果更好,为蜂窝夹层结构冲击损伤在线识别提供了一种新途径。
展开更多
关键词
蜂窝夹层结构
冲击损伤识别
印刷感应层
电学成像
稀疏正则化算法
复合材料
在线阅读
下载PDF
职称材料
基于卷积神经网络电阻抗成像的蜂窝夹芯结构损伤识别
3
作者
李雪峰
周登
严刚
《材料科学与工程学报》
2025年第4期542-549,566,共9页
本研究针对蜂窝夹芯结构在使用和维护过程中容易受到外物冲击的问题,提出了一种基于导电感应层和卷积神经网络的冲击损伤识别方法。首先利用丝网印刷技术,将石墨烯导电碳油墨印刷在蜂窝夹芯结构表面,形成导电感应层,使结构具备实时感应...
本研究针对蜂窝夹芯结构在使用和维护过程中容易受到外物冲击的问题,提出了一种基于导电感应层和卷积神经网络的冲击损伤识别方法。首先利用丝网印刷技术,将石墨烯导电碳油墨印刷在蜂窝夹芯结构表面,形成导电感应层,使结构具备实时感应功能。然后通过建立不同损伤情况的导电感应层有限元模型,并进行电学仿真,生成了包含电导率变化和边界电压变化的数据集。基于此数据集,训练了卷积神经网络,并通过测试集验证了模型的准确性和可靠性。为验证方法的有效性,进行了冲击损伤实验,并在实验前后分别测量感应层的边界电压数据。通过训练好的卷积神经网络对电导率变化分布进行重建,实现了对蜂窝夹芯结构损伤的精准识别。实验结果表明,本研究所提出的基于卷积神经网络的电阻抗成像方法,在损伤位置和大小的识别精度上明显优于传统算法,并且识别时间非常短,可以实现对蜂窝夹芯结构的在线损伤识别。
展开更多
关键词
蜂窝夹芯结构
冲击损伤识别
导电感应层
电阻抗成像
卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于电学成像与深度学习的蜂窝结构冲击损伤识别研究
1
作者
周登
李雪峰
严刚
黄再兴
机构
南京航空航天大学航空航天结构力学及控制全国重点实验室
出处
《航空制造技术》
CSCD
北大核心
2024年第13期84-91,共8页
基金
航空科学基金(2017ZA52005)
航空航天结构力学及控制全国重点实验室开放课题(MCMS-E-0423G02)。
文摘
针对蜂窝夹层结构遭受外物冲击的情况,提出结合电学成像和深度学习的方法,对冲击损伤进行在线监测和识别,为结构完整性评估和决策提供准确信息。首先通过丝网印刷技术,使用碳油墨和银浆油墨在结构表面分别制备感应层和导电线路;然后对不同数量、位置和尺寸的冲击损伤进行数值仿真,获取对应的感应层电导率变化与边界电压变化数据样本,由残差神经网络进行深度学习,建立二者的映射关系;最后在结构遭受冲击前后分别测量感应层的边界电压数据,通过训练好的残差神经网络重建感应层电导率变化分布的图像,实现损伤信息的识别。通过对蜂窝夹层结构进行低速冲击试验,验证了所提出技术和方法的可行性和有效性。
关键词
蜂窝夹层结构
冲击损伤识别
印刷感应层
电学成像
深度学习
Keywords
Honeycomb sandwich structure
Impact damage identification
Printed sensing layer
Electrical tomography
Deep learning
分类号
V214.6 [航空宇航科学与技术—航空宇航推进理论与工程]
V414.6 [航空宇航科学与技术—航空宇航推进理论与工程]
在线阅读
下载PDF
职称材料
题名
基于印刷感应层电学稀疏成像的蜂窝夹层结构冲击损伤识别
被引量：
2
2
作者
周登
严刚
郭树祥
束嘉俊
机构
南京航空航天大学航空学院机械结构力学及控制国家重点实验室
出处
《复合材料科学与工程》
CAS
北大核心
2022年第9期5-10,22,共7页
基金
国家自然科学基金项目(11602104)
航空科学基金(2017ZA52005)。
文摘
蜂窝夹层结构在航空航天领域具有广泛的应用,但其在使用过程中不可避免地会遭受损伤,特别是冲击造成的损伤对其强度有很大的影响。本文结合现代电子印刷技术,采用石墨烯导电碳油墨和银浆油墨在蜂窝夹层结构表面制备智能感应层,结合电学成像技术对低速冲击损伤进行识别。使用落锤冲击试验装置对蜂窝夹层结构进行了低速冲击,并于冲击前后在印刷感应层中注入微小电流获取边界电压变化。对电压数据进行分析,基于SpaRSA稀疏正则化算法重建感应层电导率变化的图像,将损伤信息可视化。实验结果表明,所提出方法能有效地识别出蜂窝夹层结构中冲击损伤的个数、位置和大致尺寸,与传统基于Tikhonov正则化的算法相比,稀疏成像算法对损伤尺寸的识别效果更好,为蜂窝夹层结构冲击损伤在线识别提供了一种新途径。
关键词
蜂窝夹层结构
冲击损伤识别
印刷感应层
电学成像
稀疏正则化算法
复合材料
Keywords
honeycomb sandwich structure
impact damage identification
printed sensing layer
electrical tomography
sparse regularization algorithm
composites
分类号
TB332 [一般工业技术—材料科学与工程]
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络电阻抗成像的蜂窝夹芯结构损伤识别
3
作者
李雪峰
周登
严刚
机构
南京航空航天大学航空航天结构力学及控制全国重点实验室
出处
《材料科学与工程学报》
2025年第4期542-549,566,共9页
基金
国家自然科学基金项目(12472134)
航空航天结构力学及控制全国重点实验室开放课题基金项目(MCMS-E-0423G02)。
文摘
本研究针对蜂窝夹芯结构在使用和维护过程中容易受到外物冲击的问题,提出了一种基于导电感应层和卷积神经网络的冲击损伤识别方法。首先利用丝网印刷技术,将石墨烯导电碳油墨印刷在蜂窝夹芯结构表面,形成导电感应层,使结构具备实时感应功能。然后通过建立不同损伤情况的导电感应层有限元模型,并进行电学仿真,生成了包含电导率变化和边界电压变化的数据集。基于此数据集,训练了卷积神经网络,并通过测试集验证了模型的准确性和可靠性。为验证方法的有效性,进行了冲击损伤实验,并在实验前后分别测量感应层的边界电压数据。通过训练好的卷积神经网络对电导率变化分布进行重建,实现了对蜂窝夹芯结构损伤的精准识别。实验结果表明,本研究所提出的基于卷积神经网络的电阻抗成像方法,在损伤位置和大小的识别精度上明显优于传统算法,并且识别时间非常短,可以实现对蜂窝夹芯结构的在线损伤识别。
关键词
蜂窝夹芯结构
冲击损伤识别
导电感应层
电阻抗成像
卷积神经网络
Keywords
Honeycomb sandwich structure
Impact damage identification
Conductive sensing layer
Electrical impedance tomography
Convolutional neural network
分类号
TB383 [一般工业技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于电学成像与深度学习的蜂窝结构冲击损伤识别研究
周登
李雪峰
严刚
黄再兴
《航空制造技术》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于印刷感应层电学稀疏成像的蜂窝夹层结构冲击损伤识别
周登
严刚
郭树祥
束嘉俊
《复合材料科学与工程》
CAS
北大核心
2022
2
在线阅读
下载PDF
职称材料
3
基于卷积神经网络电阻抗成像的蜂窝夹芯结构损伤识别
李雪峰
周登
严刚
《材料科学与工程学报》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
