基于递归定量分析与多核学习支持向量机的玻璃纤维增强复合材料缺陷识别技术

摘要

为了提高玻璃纤维增强复合材料（Glass Fiber Reinforced Polymer, GFRP）超声检测中缺陷识别技术的准确性，提出基于递归定量分析（Recurrence Quantitative Analysis, RQA）与多核学习支持向量机（MKLSVM）相结合的检测模型，以提高检测GFRP中不同类型缺陷的能力。结果表明，该模型能够准确识别GFRP中的分层缺陷与夹杂缺陷，检测识别率达到92.92%，并且与基于离散小波变换（Discrete Wavelet Transform, DWT）和经验模态分解（Empirical Mode Decomposition, EMD）的MKLSVM检测模型的识别率相比，所提出的检测模型的识别率分别提高了7.5%和3.75%。

关键词

玻璃纤维增强复合材料 / 超声检测 / 递归定量分析 / 多核学习支持向量机