شناسایی سیگنالهای آکوستیک امیشن حاصل از کامپوزیت کربن - اپوکسی در بارگذاری مود I با استفاده از خوشه بندی FCM
Publish place: The Second National Conference on Applied Research in Electrical, Mechanical and Mechatronics
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 907
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF02_067
تاریخ نمایه سازی: 22 مهر 1394
Abstract:
آکوستیک امیشن یکی از روشهای تست غیر مخرب میباشد که میتوان از آن برای تمایز انواع مختلف میکرومکانیزم خرابی در کامپوزیت ها استفاده نمود.اگرچه تحلیل دادهها و جدا نمودن آنها براساس نوع خرابی و منبع آن، کاری دشوار میباشد. در این مقاله از خوشه بندی فازی جهت طبقه بندی سیگنالهای آکوستیک امیشن متناظر با منابع تولید سیگنالهای آکوستیکی استفاده شده است. این خوشهبندی که بر مبنای منطق فازی میباشد، به مشخص نمودن خوشههای حاصل از میکرومکانیزمهای خرابی به روش بدون ناظر میپردازد. خوشهبندی فازی از توانایی بالایی برای کلاسبندی دادهها،حتی در مرز خوشهها، برخوردار میباشد به همین علت این روش بر روش کا مینز مزیت دارد. در تحقیق حاضر از آزمون استاندارد مود - I خرابی بر روی تیرهای دبل کانتیلور کامپوزیت کربن اپوکسی استفاده شده است. با بررسی سیگنالهای آکوستیک امیشن بدست آمده و استفاده از روش فازی یه تمایز سه -نوع میکرومکانیزم شناسایی شده پرداخته شده است. این سه نوع میکرومکانیزم خرابی ترک ماتریس، تورق و شکست الیاف میباشند. پنج خصیصه آکوستیک امیشن مورد بررسی در این تحقیق شامل: مدت زمان خیز، شمارش پالس، انرژی، دامنه، مدت زمان عبور، فرکانس میانگین هستند که برای آموزش روش فازی بکار رفتهاند. در آخر با استفاده از میکروسکوپ الکترون عبوری از سطوح خرابی تصاویری بدست آمده است، که تطابق خوبی را بین نتایج عددی و تجربی نمایان می سازد.
Keywords:
Authors
نسیم فلاحی
دانشجوی کارشناسی ارشد، دانشگاه علوم و تحقیقات کردستان، دانشکده فنی و مهندسی
رامین خامدی
استادیار، دانشگاه زنجان، - دانشکده مهندسی مکانیک
رضا آذرافزا
استادیار، دانشگاه مالک صنعتی مالک اشتر، - مجتمع دانشگاهی مواد و فناوریهای ساخت
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :