Acoustic emission cluster analysis of composite laminates with different interfacial fiber orientations based on gaussian mixture model

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The present study aimed to find a method with higher efficiency to cluster acoustic emission events. The acoustic emission signals of composite laminates with different interfacial fiber orientations were captured during the Double cantilever beam (DCB) experiments. Through feature selection of the preprocessed data using the Relief F algorithm, it was found that most of the information in the acoustic emission signals can be represented by the amplitude, inverse frequency, center frequency, peak frequency and so on. Subsequently, principal component analysis and expectation-maximization and Gaussian mixture models were adopted to cluster the data with reduced dimensions. This method can not only distinguish among different damage mechanisms but also show the level of damage concentration according to their types. Furthermore, once the clusters were assigned to different damage mechanisms, they could be identified precisely using both the amplitude and peak frequency. Finally, based on the loading curves of the four types of specimens, the cumulative events and energies of the acoustic emission were compared and analyzed, and different damage mechanisms were identified.

作者简介

Wei Li

Northeast Petroleum University

Daqing,China

Jiahao Cheng

Northeast Petroleum University

Daqing,China

Peng Jiang

Northeast Petroleum University

Email: nepujp_2022@163.com
Daqing,China

Yinghonglin Liu

Northeast Petroleum University

Daqing,China

参考

  1. Zhou W., Zhao W.Z., Zhang Y.N., Ding Z.J. Cluster analysis of acoustic emission signals and deformation measurement for delaminated glass fiber epoxy composites // Compos. Struct. 2018. V. 195. P. 349-358.
  2. Mohammadi R., Najafabadi M.A., Saeedifar M., Yousefi J., Minak G. Correlation of acoustic emission with finite element predicted damages in open-hole tensile laminated composites // Composites. Part B: Eng. 2017. V. 108. P. 427-435.
  3. Lorriot T., Marion G., Harry R., Wargnier H. Onset of free-edge delamination in composite laminates under tensile loading // Composites. Part B: Eng. 2003. V. 34 (5). P. 459-471.
  4. Saeedifar M., Najafabadi M.A., Zarouchas D., Toudeshky H.H., Jalalvand M. Clustering of interlaminar and intralaminar damages in laminated composites under indentation loading using Acoustic Emission // Composites, Part B: Eng. 2018. V. 144. P. 206-219.
  5. Yu F., Okabe Y., Wu Q., Shigeta N. A novel method of identifying damage types in carbon fiber-reinforced plastic cross-ply laminates based on acoustic emission detection using a fiber-optic sensor // Compos. Sci. Technol. 2016. V. 135. P. 116-122.
  6. Arumugam V., Kumar C.S., Santulli C., Sarasini F., Stanley A.J. A global method for the identification of failure modes in fiberglass using acoustic emission //j. Test. Eval. 2011. V. 39 (5). P. 954-966.
  7. Fotouhi M., Sadeghi S., Jalalvand M., Ahmadi M. Analysis of the damage mechanisms in mixed-mode delamination of laminated composites using acoustic emission data clustering //j. Thermoplast.Compos. Mater. 2017. V. 30 (3). P. 318-340.
  8. Li L., Lomov S.V., Yan X., Carvelli V. Cluster analysis of acoustic emission signals for 2D and 3D woven glass/epoxy composites // Compos. Struct. 2014. V. 116. P. 286-299.
  9. Li C.J., Li S.Y. Acoustic emission analysis for bearing condition monitoring // Wear. 1995. V. 185 (1-2). P. 67-74.
  10. Dunegan H.L., Harris D.O., Tatro C.A. Fracture analysis by use of acoustic emission // Eng. Fract. Mech. 1968. V. 1 (1). P. 105-122.
  11. Van Tittelboom K., De Belie N., Lehmann F., Grosse C.U. Acoustic emission analysis for the quantification of autonomous crack healing in concrete // Constr. Build. Mater. 2012. V. 28 (1). P. 333-341.
  12. Kishawy H.A., Hegab H., Umer U., Mohany A. Application of acoustic emissions in machining processes: analysis and critical review // Int. J. Adv. Manuf. Technol. 2018. V. 98 (5). P. 1391-1407.
  13. Ely T.M., Hill E. Longitudinal splitting and fiber breakage characterization in graphite epoxy using acoustic emission data // Mater. Eval. 1995. V. 53 (2). P. 288-294.
  14. Barnes C.A., Ramirez G. Acoustic emission testing of carbon fiber composite offshore drilling risers / AECM-6: Sixth International Symposium on Acoustic Emission From Composite Materials. 1998. P. 13-22. American Society for Nondestructive Testing. Inc, San Antonio.
  15. Barile C., Casavola C., Pappalettera G: Kannan V.P. Laplacian score and K-means data clustering for damage characterization of adhesively bonded CFRP composites by means of acoustic emission technique // Applied Acoustics. 2022. V. 185. P. 108425.
  16. Jain D., Singh V. An efficient hybrid feature selection model for dimensionality reduction // Procedia Comput. Sci. 2018. V. 132. P. 333-341.
  17. American Society for Testing and Materials: Standard Test Method for Tensile Properties of Glass Fiber Strands, Yarns, and Rovings Used in Reinforced Plastics. ASTM International, ASTM International, 2009.
  18. Nikbakht M., Yousefi J., Hosseini-Toudeshky H., Minak G. Delamination evaluation of composite laminates with different interface fiber orientations using acoustic emission features and micro visualization // Composites. Part B: Eng. 2017. V. 113. P. 185-196.
  19. American Society for Testing and Materials: Standard test method for mode I interlaminar fracture toughness of unidirectional fiber-reinforced polymer matrix composites. ASTM International. 2021.
  20. Kononenko I. Estimating attributes.: Analysis and extensions of RELIEF. In: Bergadano, F., De Raedt, L.(eds.) European Conference on Machine Learning. P. 171-182. Springer, Berlin, Heidelberg, 1994.
  21. Ichenihi A., Li W., Gao Y., Rao Y. Feature selection and clustering of damage for pseudo-ductile unidirectional carbon/glass hybrid composite using acoustic emission // Applied Acoustics. 2021. V. 182. P. 108184.
  22. Saeedifar M., Zarouchas D. Damage characterization of laminated composites using acoustic emission: A review // Composites. Part B: Engineering. 2020. V. 195. P. 108039.
  23. Cheng F., Zhai S.C., Dong J. Investigation of Gaussian mixture clustering model for online diagnosis of tip-wear in nanomachining //j. Manuf. Processes. 2022. V. 77. P. 114-124.
  24. Seyfi S.M.S., Sharifi A., Arian H. Portfolio Value-at-Risk and expected-shortfall using an efficient simulation approach based on Gaussian Mixture Model // Math.Comput. Simul. 2021. V. 190. P. 1056-1079.
  25. Moevus M., Godin N., R'Mili M., Rouby D., Reynaud P., Fantozzi G. et al. Analysis of damage mechanisms and associated acoustic emission in two SiCf/[Si-B-C] composites exhibiting different tensile behaviours. Part II: Unsupervised acoustic emission data clustering // Compos. Sci. Technol. 2008. V. 68 (6). P. 1258-1265.
  26. Dunn J.C. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters //j. Cybern. 1973. V. 3 (3). P. 32-57.
  27. Ramirez-Jimenez C.R., Papadakis N., Reynolds N., Gan T.H., Purnell P., Pharaoh M. Identification of failure modes in glass/polypropylene composites by means of the primary frequency content of the acoustic emission event // Compos. Sci. Technol. 2004. V. 64 (12). P. 1819-1827.
  28. Kotsikos G., Evans J.T., Gibson A.G., Hale J. Use of acoustic emission to characterize corrosion fatigue damage accumulation in glass fiber reinforced polyester laminates // Polym.Compos. 1999. V. 20 (5). P. 689-696.
  29. Godin N., Huguet S., Gaertner R.Integration of the Kohonen's self-organising map and k-means algorithm for the segmentation of the AE data collected during tensile tests on cross-ply composites // NDT E Int. 2005. V. 38 (4). P. 299-309.
  30. Fotouhi M., Najafabadi M.A. Acoustic emission-based study to characterize the initiation of delamination in composite materials //j. Thermoplast.Compos. Mater. 2016. V. 29 (4). P. 519-537.
  31. Gutkin R., Green C.J., Vangrattanachai S., Pinho S.T., Robinson P., Curtis P.T. On acoustic emission for failure investigation in CFRP: Pattern recognition and peak frequency analyses // Mech. Syst. Sig. Process. 2011. V. 25 (4). P. 1393-1407.
  32. Komai K., Minoshima K., Shibutani T. Investigations of the fracture mechanism of carbon/epoxy composites by AE signal analyses // JSME International Journal. Ser. 1. Solid mechanics, strength of materials. 1991. V. 34 (3). P. 381-388.
  33. Jong H.J. Transverse cracking in a cross-ply composite laminate-detection in acoustic emission and source characterization //j.Compos. Mater. 2006. V. 40 (1). P. 37-69.

补充文件

附件文件
动作
1. JATS XML
下载

版权所有 © Russian Academy of Sciences, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».