基于AdaBoost-LSSVM的纤维复合材料损伤识别

作者：刘宇韬; 盛文娟^*

来源：中国测试, 2020, 46(09): 148-153.

• AdaBoost算法
• 玻璃纤维复合材料
• 最小二乘支持向量机
• 损伤识别

玻璃纤维增强复合材料(GFRP)多种损伤模式之间相互作用难以有效检测,且获取大量标签数据十分困难。该文选择对小样本分类问题有效且运算速度快的LSSVM作为AdaBoost集成学习框架的弱分类器,提出一种AdaBoost-LSSVM算法,并在UCI数据集上进行有效性验证。在玻璃纤维复合材料损伤识别应用中,首先采用小波包变换提取GFRP在静态压痕试验下释放的声发射信号在各频段下的能量占比作为特征向量,然后采用该算法对纤维分层、界面脱粘、纤维断裂和无损伤4种状态进行识别和分类。实验结果表明,提出的AdaBoost-LSSVM集成学习模型具有较高的识别准确率,相比AdaBoost-DT和单一LSSVM分别提升5.75%和7.5%。其中,该方法在界面脱粘上的识别比AdaBoost-DT和LSSVM分别提升10%和20%,在纤维断裂上均提升9%。

• 单位
  上海电力大学