
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Monson, Paulo Monteiro de Carvalho | - |
| Autor(es): dc.creator | Conceição Junior, Pedro de Oliveira | - |
| Autor(es): dc.creator | Lofrano Dotto, Fabio Romano | - |
| Autor(es): dc.creator | Aguiar, Paulo Roberto de | - |
| Autor(es): dc.creator | Rodrigues, Alessandro Roger | - |
| Autor(es): dc.creator | David, Gabriel Augusto | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:50:25Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:50:25Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2024-08-15 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.matlet.2024.136734 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/307036 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/307036 | - |
| Descrição: dc.description | Detecting damage in composite materials is crucial and has received considerable attention in the field of machine learning. However, challenges remain in addressing backbone issues and classifying specific types of damage. This paper presents a novel deep-learning approach for automatically distinguishing delamination and microcracks in Carbon Fiber-Reinforced Polymer (CFRP). The methodology utilizes signals from piezoelectric transducers transformed into time–frequency representations based on the Wigner-Ville Distribution (WVD). Backbone issues were successfully addressed by transitioning the time series classification problem into a computer vision (CV) context through Convolutional Neural Networks (CNN). The analysis included a thorough examination of delamination and microcracks datasets produced experimentally by the National Aeronautics and Space Administration (NASA), focusing on these two types of damage. The proposed methodology achieved a precision range of 98.3 % to 100 % in damage classification, demonstrating its effectiveness for structural health monitoring in composite materials. | - |
| Descrição: dc.description | Department of Electrical and Computer Engineering USP, Av. Trabalhador São Carlense 400, SP | - |
| Descrição: dc.description | Department of Electrical Engineering UNESP, Av. Eng. Luiz E. C. Coube 14-01, SP | - |
| Descrição: dc.description | Department of Mechanical Engineering USP, Av. Trabalhador São Carlense 400, SP | - |
| Descrição: dc.description | Department of Electrical Engineering UNESP, Av. Eng. Luiz E. C. Coube 14-01, SP | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Materials Letters | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Composite | - |
| Palavras-chave: dc.subject | Deep Learning | - |
| Palavras-chave: dc.subject | Failure | - |
| Palavras-chave: dc.subject | Fatigue | - |
| Título: dc.title | Structural damage classification in composite materials using the Wigner-Ville distribution and convolutional neural networks | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: