Application of fuzzy logic (FL) method for crack detection in carbon/epoxy beams using buckling responses
Notice bibliographique
Résumé
The present study follows the identification of crack orientations in industry-driven carbon/epoxy laminated composite beams (LCB) using buckling data through fuzzy logic application. The study proposed a novel buckling-based crack detection with fuzzy logic aid towards the assessment of health and functionality of LCBs. The critical buckling loads are numerically computed on ABAQUS finite element (FE) simulation software. Towards crack detection, an efficient hybrid Mamdani fuzzy inference system (FIS) is developed in the MATLAB platform. The hybrid FIS is formed by fusing three standalone membership functions (Gaussian, Trapezoidal and Triangular). The numerically computed first four modes of buckling loads are provided as input values to the hybrid Mamdani FIS and after defuzzification, the output is read as crack orientations. The output results are validated with the critical buckling loads experimentally arrived through INSTRON 8862 Universal Testing Machine (UTM). Furthermore, the present developed FIS is compared with other standalone methods (triangular, trapezoidal and Gaussian) and the analysis results highlight the superiority of the developed FIS in crack detection as it bears the closest resemblance to the experimental results. Besides, the approach reveals the process of feature learning and the crack detection in the buckling domain.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».