Resumen

Se presenta un nuevo método que integra el análisis de componentes principales (ACP) y las máquinas de vectores de soporte (SVM) para predecir la localización del impacto en una estructura de chapa de aluminio sujeta con abrazaderas. Cuando se golpea la placa con un martillo instrumentado, cuatro sensores piezoeléctricos montados en la superficie de la placa recogen las señales de deformación inducida que varían en el tiempo. Para reducir las dimensiones de los grandes conjuntos de datos originales se utiliza el algoritmo PCA. Posteriormente, se propone un nuevo marco de regresión SVM de dos capas para mejorar la precisión de la localización del impacto. Para realizar un estudio comparativo, también se aplica el enfoque convencional de redes neuronales de retropropagación (BPNN). Los resultados experimentales muestran que la estrategia propuesta consigue una precisión de localización mucho mayor que el enfoque convencional.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:grandes conjuntos de datos originales, marco de regresión svm por capas, estructura de chapa de aluminio, precisión en la localización de impactos, análisis de componentes principales, máquinas de vectores soporte, resultados experimentales, algoritmo pca, estudio comparativo, enfoque convencional
• Keywords:large original data sets, layer svm regression framework, aluminum plate structure, impact location accuracy, principal component analysis, support vector machines, experimental results, pca algorithm, comparison study, conventional approach