基于声发射信号的三维针刺C/SiC复合材料拉伸损伤演化研究

本研究对三维针刺C/SiC(3-dimension needled C/SiC, 3D-N C/SiC)复合材料进行室温单调拉伸和拉伸加载-卸载试验, 利用声发射技术对试样损伤演化进行动态监测。采用K-均值聚类分析方法对小波降噪后的声发射信号进行了损伤模式识别, 结合试样断口扫描电镜观测, 发现3D-N C/SiC复合材料在拉伸载荷作用下主要存在五类损伤模式: 基体开裂、界面脱粘、界面滑移、纤维断裂和纤维束断裂。通过快速傅里叶变换(FFT)方法对小波降噪后的信号进行频谱分析得出: 3D-N C/SiC复合材料在拉伸载荷作用下主要存在240、370和455 kHz三种频率的损伤信号, 分别对应于界面损伤、基体损伤和纤维损伤。结合单调拉伸试验过程声发射信号能量柱分布和加卸载过程累积能量曲线特征, 分析了试样损伤演化机理。     

复合材料损伤失效的声发射检测研究进展

综述了复合材料损伤失效的声发射检测研究进展,从损伤源定位及损伤模式的识别与分类两方面进行了介绍。在损伤源定位方面模态声发射相比模式识别更有效,在损伤模式的分类方面模式识别技术更加有效,且人工神经网络及小波神经网络在复合材料声发射方面的研究较多。另外,介绍了模糊模式识别技术用于声发射信号分类及聚类的研究情况,根据复合材料声发射信号复杂重叠性的特点,模糊理论结合模式识别技术可以进一步实现复合材料声发射信号更有效的分析。     

基于声发射检测技术的PE/PE自增强复合材料破损机理分析

用声发射(AE)技术研究了聚乙烯自增强复合材料的拉伸损伤与断裂行为.宽带传感器记录了不同角度纤维铺层的复合材料试样在拉伸破坏过程中的声发射信号,用扫描电子显微镜(SEM)观察了试样的几种典型的损伤破坏断面,对比分析了不同类型的损伤机制.实验分析表明,拉伸过程中破坏机制对声发射信号的特征具有显著影响,不同损伤模式的信号频谱特征存在明显的差异.声发射检测能有效提取热塑性复合材料损伤破坏信息,在材料的结构损伤主动监测中有良好的应用潜力.     

三维编织复合材料测试中声发射信号的分析与研究

论述了声发射技术在三维编织复合材料弯曲过程中的应用及实验方法,给出了声发射在三维编织复合材料中弯曲过程的特征.为了精确地知道材料的损伤部位,声发射源信号的采集非常重要.试验结果表明,考虑到声发射源定位研究的准确性,建议采用波形分析法.在声发射信号的采集过程中比较了参数分析法和波形分析法.根据信号的衰减程度,选择较准确的声发射源信号.利用小波变换的不同算法得到了三维编织复合材料较准确的声发射信号.     

基于声发射信号的不同密度C/SiC复合材料损伤演化

对密度为1.65 g/cm³、1.75 g/cm³和1.85 g/cm³的平纹编织C/SiC复合材料进行单向拉伸试验,获得材料的基本力学性能。采用声发射技术对材料在单调拉伸试验全程下的损伤信号进行监测,并对采用Wavelet小波方法降噪后的声发射信号进行特征参数分析和K-聚类分析。结合SEM图像分析发现材料密度的不同使材料损伤模式、损伤演化过程及破坏模式存在差异。根据损伤模式和声发射事件分布特征将试验声发射信号进行分类分析,研究不同密度材料的损伤模式和损伤演化机制,发现：随着密度增大,不同损伤模式发生的起始应力水平、相对时间及频数逐渐增大。分析得出结论：材料密度通过影响基体损伤程度和损伤分布区域以及界面性能改变材料力学性能。     

基于小波包分析的拉索损伤声发射信号特征提取

结合显式有限元和小波包分析技术开展了拉索损伤声发射信号特征提取的仿真分析。采用ANSYS/LS-DYNA模拟得到拉索损伤声发射信号的仿真信号,基于小波包能量谱对拉索声发射的有限元仿真信号进行了特征提取,从小波包分解层次、特征频带数量的选择及特征参数的噪声鲁棒性三个方面开展了讨论分析。结果表明:(1)通过选择适当的小波包分解层次,小波包能量谱可以精细地反映信号的特征;(2)选取少数特征频带就能使得小波包能量谱反映声发射信号的特征信息;(3)基于小波包能量谱的特征参数具有良好的损伤敏感性及噪声鲁棒性,能在强噪声影响下实现对拉索不同损伤类型的判别。     

蜂窝夹层复合材料压缩损伤声发射特征研究

应用声发射技术对蜂窝夹层复合材料压缩损伤过程进行了实验研究。分析载荷与声发射信号经历图,依据其损伤过程和声发射特征,发现随着加载载荷的增加,复合材料的损伤逐步增大。在加载初始阶段,仅有少量声发射信号,各种表征信号量小幅度增加;在加载中期,声发射信号增多,各种表征信号量不断增大;在加载后期,声发射信号明显突增,各种表征信号量急剧增加。复合材料压缩损伤破坏与声发射的幅值、能量、撞击、上升时间、持续时间和计数等参量相关。蜂窝夹层复合材料试件的应力-应变曲线近似为直线,应变速率与声发射信号特征相互对应。     

基于声发射的真空泄漏在线检测技术研究

真空泄漏是气体动力系统运行过程中的常见故障,传统的氦质谱检漏无法实现对真空泄漏的在线检测。本文利用声发射技术阐述了基于声发射信号的真空泄漏在线检测原理,通过真空泄漏声发射检测模拟试验,并利用参数特征分析法和平均频谱分析法对不同泄漏孔径下产生的声发射信号的特征进行了研究,得到了相应的小波包归一化频带能量分布特征。研究结果表明,真空泵运行的平均时域信号频带在20kHz以下,气体泄漏激发出大量的高频声发射信号,泄漏信号参数特征值与泄漏孔径的大小密切相关,泄漏信号的归一化能量分布一致性较好。声发射技术对于真空泄漏的在线检测及泄漏量评价等有实际意义。     

小波尺度谱在AE信号特征提取中的应用

通过分析典型声发射信号及其特征提取,将小波尺度谱引入到声发射故障诊断领域,首次提出了声发射信号的小波尺度谱分析法。给出了小波基函数及其参数的选取,克服了声发射信号小波尺度谱的时、频分辨率不能同时达到最好的缺陷。将小波尺度谱用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确。仿真分析和实验研究均表明小波尺度谱能有效应用于基于声发射技术的状态监测与故障诊断。     

基于声发射技术的三维编织复合材料低速冲击损伤分析

实验研究了不同编织工艺参数的三维六向碳/环氧编织复合材料在不同冲击能量作用下的低速冲击过程。测试过程中用声发射技术进行实时监测,分析了声发射能量,幅值和波形经过快速傅里叶变换后的峰值频率,并对典型信号的波形进行了频谱分析。结果表明AE参数能很好地描述三维编织复合材料的低速冲击损伤过程。     

小波分析和相平面在声发射信号处理中的应用

为了精确地获取声发射源信息,必须采取有效手段对声发射信号进行分析。小波分析同时具有时-频局部化的优良特性,用小波自适应地对声发射信号进行多分辨率的分解,在相平面中绘制系数能量图可以同时直观地观察声发射信号的频率、时间、能量等信息。同时,相平面系数能量图也为小波重构声发射信号提供了理论依据,在此基础上重构的声发射信号排除了其它信号的干扰,更能表征声发射源信息,对声发射源的分析有重要的意义。     

多龄期桥梁斜拉索疲劳损伤演化声发射监测技术研究

斜拉索在斜拉桥体系中有着举足轻重的作用,但易遭受腐蚀和疲劳累积损伤。目前对多龄期斜拉索腐蚀疲劳损伤演化规律的研究还较少。拟采用声发射技术监测国内某大桥腐蚀斜拉索疲劳损伤演化过程。首先,通过拉伸试验,得到了斜拉索中腐蚀钢丝和未腐蚀钢丝的应力-应变关系曲线,其实验结果表明腐蚀对斜拉索力学性能有较大的影响;其次对大桥拆下来的多龄期斜拉索进行疲劳测试,运用声发射技术监测了它的动态损伤过程,获得了斜拉索整个损伤过程的声发射特征参数,根据声发射累积能量参数分析结果,得到了多龄期斜拉索疲劳损伤演化规律;最后,对斜拉索疲劳损伤演化的各个阶段声发射波形进行小波分析,提取出各自的特征波形,并运用FFT分析其频率分布范围,进一步分析了损伤的形成原因,实现了对多龄期斜拉索损伤声发射源类型的确定     

基于声发射信号与BP神经网络的煤粉粒径识别研究

煤粉粒径的测量是燃煤电站一项重要的工作。针对目前筛分法存在的缺点,提出了一种结合声发射信号与BP神经网络在线识别煤粉粒径的方法。在频域中对噪声信号与煤粉声发射信号进行比较,确定了信号中反映煤粉粒径的频率区间,并利用小波包置零方法对信号进行去噪,在信噪比与信号平滑度方面比较了几种常用小波函数的去噪效果。通过功率谱分析发现了信号能量随煤粉粒径的变化特征。最后提取信号能量特征,利用BP神经网络对煤粉粒径进行识别。研究结果表明,结合声发射信号与BP神经网络识别煤粉粒径,可以获得良好的效果。     

基于EEMD-SCBSS的岩石声发射信号去噪方法

针对岩石声发射(AE)信号的低信噪比、随机性强、非平稳性等特点,提出了一种基于总体经验模态(EEMD)及单通道盲源分离(SCBSS)的AE信号滤波方法。将含有背景噪声的AE信号进行EEMD分解,得到一系列按频率从高到低排列的本征模函数(IMF);提取高频背景噪声信号与观测信号构建虚拟多通道观测信号;利用快速不动点优化算法(FastICA)对构建的虚拟多通道观测信号进行盲源分离(BSS),进而得到滤波后的AE信号。通过构造含噪声AE信号进行数值仿真实验及实测数据分析,将基于EEMD及SCBSS滤波方法与小波阈值滤波方法进行比较。实验结果表明:小波阈值滤波方法会导致滤波后的AE信号频域信息失真,影响滤波后的AE信号上升时间,能量等参数识别;该方法可以对含噪声AE信号进行有效地滤波处理,能够较好地滤除AE信号中的非平稳随机噪声,并且能够保护滤波后的AE信号频域信息。     

基于小波变换与统计分析的转子碰摩声发射特性研究

为解决转子碰摩损伤声发射信号分类及解释难题,应用PCI-2声发射系统和WS-ZHT1型多功能转子实验台组成转子碰摩声发射检测系统,采集转子局部碰摩声发射信号,通过理论分析声发射信号特征和小波基函数性质,dB8小波适合提取声发射信号特征;碰摩产生大量声发射信号,大量声发射信号的统计特性蕴涵较多碰摩信息。对不同转速条件下不同检测位置碰摩声发射信号的统计分析表明,声发射信号的功率谱密度集中在100～400 kHz。声发射信号平均幅值、平均能量可作为区分转子碰摩程度特征参数;功率谱主频可作为区分声发射相对位置特征参数,结论与碰摩类型无关。     

金刚石磨粒变切深划擦无氧铜的声发射及其时间序列建模

试验研究了单颗金刚石磨粒以不同切深划擦无氧铜的声发射信号特征,对不同切深下的声发射信号进行平稳化,确定合适的时间序列模型阶次和模型识别,建立了金刚石划擦无氧铜的声发射时间序列自回归(Auto Regressive,AR)模型。研究表明:随着切深的增加,声发射特征参数和最大振幅随之增大,AR模型的各特征向量与切深之间具有较好的线性关系,合理的AR模型可较好地表征单颗金刚石磨粒划擦无氧铜的声发射信号特征,并可以实时分析金刚石磨粒的划擦深度。     

基于VMD-PNN的砂轮钝化声发射检测

在磨削加工过程中,加工刀具即砂轮会发生钝化现象,砂轮表面磨损影响加工精度和工件质量,需要及时检测并修整。磨粒的塑性变形、破碎、断裂等会产生声发射信号,能够作为精确识别砂轮钝化状态的依据,且不易被噪声干扰,因此提出一种基于变分模态分解（Variational Mode Decomposition,VMD）和概率神经网络（Probabilistic Neural Network,PNN）的砂轮钝化声发射检测方法。VMD可以将原始信号分解为多个本征模态函数（Intrinsic Mode Function,IMF）分量,筛选其中峭度较大的分量重构即得到声发射信号。声发射检测的关键是特征参数的选取,在相关研究基础上本文提出了声发射包络能量占比作为一个重要的特征参数,并选取了共5种特征参数,构建出5维特征向量数据集,输入到PNN中进行训练,经过测试识别准确度达到94.5%。该方法建立了声发射信号特征参数与砂轮不同钝化状态的关系,能够对砂轮严重钝化状态给出准确预警,具有实际应用价值。文章比较了声发射信号不同特征参数用于识别砂轮钝化状态的准确度,对特征参数的选用具有参考意义。     

刀具磨损声发射信号小波分析中小波基的选取

针对在用小波理论分析刀具磨损声发射（AE）信号时选取不同的小波基对分析结果有重要影响的问题,通过对小波基性质和刀具磨损AE信号特点的研究,从理论上分析了小波分析中刀具磨损AE信号处理中小波基选取的方法。在试验验证过程中,根据信号在小波包分解前后遵循能量守恒的原理,用四种小波基对刀具磨损AE信号进行三层小波包分解。以经小波包分解后AE信号各频带上的频带能量为特征参数,比较四种情况下特征参数的变化,验证了理论分析的正确性。     

基于声发射信号模式识别的 UHMWPE/ LDPE复合材料损伤机制分析

测定了 U HMWPE/ LDPE复合材料在准静态拉伸作用下的声发射 (AE) 信号 , 用无监督模式识别方法对预处理后的 AE信号进行分类 , 据此分析了几种试样 (0° 、90° 和 [ + 45° / - 45° ]) 的损伤机制。研究表明 ,模式识别 (PR) 方法能识别出试样中基体开裂、 纤维2基体界面脱粘、 纤维抽拔和纤维断裂等损伤模式 , 识别结果与利用扫描电子显微镜 (SEM) 对破坏断面观察得到的结果一致。U HMWPE/ LDPE复合材料的 AE信号特征只受损伤模式的影响而与试样类型无关 , PR方法能有效地区分不同损伤模式的 AE信号 , 每种损伤模式的 AE信号累计数对应变的关系曲线能清楚地反映复合材料的损伤进程。AE信号的 PR分析为复合材料的损伤机制分析提供了准确依据。