基于光纤光栅传感器的复合材料损伤识别系统

利用光纤布拉格光栅(FBG)构建了传感器网络;结合小波分解与重构算法、频谱分析和支持向量多分类机算法研究了碳纤维复合材料板损伤的模式识别算法。首先,对带有不同损伤模式的复合材料结构进行冲击试验,探索损伤模式与信号特征之间的关系。然后,对信号进行小波分解与重构去除基线干扰;采用傅里叶变换频谱分析提取信号幅频特性,构建了复合材料结构损伤模式识别方法。最后,将提取的信号幅频特性作输入,复合材料结构损伤模式作输出,利用支持向量多分类机,实现了复合材料结构损伤模式识别。在500mm×500mm×2mm的碳纤维复合材料板中心,选定200mm×200mm的实验区域,对30组测试样本进行了损伤模式识别。实验结果表明:29组损伤模式得到了准确识别,正确率为96.7%。研究结果为碳纤维复合材料板的损伤模式识别提供了一种可靠的方法。

基于支持向量多分类机的多类复杂手操作EEG信号模式识别

针对用于服务机器人的脑机接口系统中脑电信号模式识别精度不高,不能满足机器人多任务要求的问题,提出一种基于C-支持向量多分类机的多类复杂手操作EEG信号模式识别方法,并将其应用到复杂手操作的EEG信号模式识别试验中,实现一个4类复杂手操作的模式识别,实验结果表明,与之前用BP神经网络进行识别相比,识别率由85%提高到了90%.