声发射模糊神经网络

在声发射BP神经网络的基础上,通过添加模糊输入层和模糊输出层,构筑成声发射模糊神经网络.对原先的声发射信号进行模式识别,既提高了神经网络训练的收敛精度,又改善了收敛速度和稳定性.从而进一步提高了声发射信号模式识别的实用价值.     

声发射神经网络模式识别

利用工件在加载与卸载时所产生的声发射信号,作为神经网络模式识别的输入特征,并对输出量进行模糊化隶属度计算,用BP学习法对连接权重系数进行优化,成功地实现了对工件样本组的训练和分类.     

用声发射监测16MnR乙炔瓶的爆破试验

由声发射信号特征分析爆破试验过程中１６ＭｎＲ乙炔瓶预制裂纹的活动。一种以范性形变松弛应力，由于形变引起壁厚的减薄和材料的加工硬化，爆破时发生快速撕裂；另一种是预制裂纹前沿多次发生低能量撕裂，最后的爆破也比较“平稳”。     

用声发射监测16MnR带预制中心穿透裂纹试板的拉伸试验

用声发射监测16MnR带预制中心穿透裂纹试板的拉伸试验,以声发射信号分析预制裂纹的运动。与裂纹失稳扩展相应的声发射事件信号参数值差异很大,反映了其显微断裂机制的不同。     

Q235钢的缺口效应及其声发射监测

用声发射监测带有不同深度缺口的Q235钢试样的拉伸试验，由声发射信号分析判断缺口发生破坏的情况。缺口深度越大，声发射活动性越小，声发射事件振幅较小。缺口效应引起了声发射特性的变化。     

A3钢平板试样拉伸试验的声发射监测

用声发射监测A3钢板状试样的拉伸过程。分析材料形变过程的声发射特征，用声发射信号分析推断材料屈服时吕德斯带的产生与扩展传播。钢中夹杂物对材料声发射现象有较大的影响。     

声发射技术及其在金属材料领域的应用

声发射是一门正在发展中的新技术。由声发射信号的特征可关联到金属材料的塑性形变、断裂、相变,以及铁磁性金属材料的磁畴运动。由此阐述了声发射技术在材料科学的研究,金属构件与设备完整性动态检测,以及制造过程监控中越来越广泛的应用。     

Li_2-ZnO-SiO_2系微晶玻璃压痕试验的声发射检测

对微晶玻璃的Vickers压痕试验进行声发射检测,声发射信号规律与Lawn提出的压痕中位裂纹运动模式相符合.建立声发射振铃计数与压痕裂纹长度的近似关系,进而以此估算材料的断裂韧度.     

Li2O—ZnO—SiO2系微晶玻璃压痕试验的声发射检测

对微晶玻璃的Ｖｉｃｋｅｒｓ压痕试验进行声发射检测,声发射信号规律与Ｌａｗｎ提出的压痕中位裂纹运动模式相符合。建立声发射振铃计数与压痕裂纹长度的近似关系,进而以此估算材料的断裂韧度。