基于半解析模型的花萼状涡流传感器损伤监测灵敏度分析

针对金属螺栓连接结构的孔边疲劳裂纹监测需求,介绍了一种具有柔性平面特点的花萼状涡流传感器,构建其损伤监测半解析模型,并通过半解析模型分析激励频率和传感器结构参数对监测灵敏度的影响,最后利用柔性电路板工艺制备出传感器,并进行2A12铝合金中心孔板试样疲劳损伤监测试验验证花萼状涡流传感器的疲劳裂纹监测能力。损伤监测灵敏度分析结果表明在不同提离距离下传感器具有最优灵敏度频率点,且随提离距离的增大,最优灵敏度值减小,最优频率点降低。传感器线圈厚度越小灵敏度越高,且感应线圈与激励线圈之间的水平间距越大则传感器的损伤监测灵敏度越大,而感应线圈与激励线圈宽度比值对传感器的损伤监测灵敏度影响较小。监测试验表明,除第一个通道以外,传感器其它感应通道归一化跨阻抗幅值随疲劳载荷次数变化曲线的拐点对应的即为裂纹扩展到相应通道下方的疲劳载荷次数,而第一个通道的拐点可以初步确定试件的累积损伤起始点。     

基于半解析模型的涡流传感器优化设计与实验研究

针对飞机金属螺栓孔连接结构疲劳裂纹的特点与实时监测的需求,提出了一种基于柔性平面的涡流阵列传感器,设计了疲劳裂纹扩展实时监测方案,构建了传感器损伤监测半解析模型,搭建了基于涡流阵列传感器的疲劳裂纹扩展实时监测平台。通过对涡流阵列传感器的仿真和基于涡流阵列传感器的疲劳裂纹扩展实验研究,确定了传感器的监测灵敏度,优化了传感器的特征参数。研究结果表明：传感器基材层阻碍了感应线圈与激励线圈的耦合,基材层应尽量薄。当涡流阵列传感器导电层厚度为0．12—0．18mm,激励线圈的最优宽度为0．8min,感应线圈的最佳厚度为0．5mm时,传感器的损伤监测灵敏度最高。     

花萼状涡流阵列传感器裂纹在线定量识别算法

针对传统涡流检测逆向算法难以满足结构健康监测技术对实时性、在线以及算法复杂性低的要求,介绍了一种花萼状涡流阵列传感器,分析了传感器感应线圈输出信号在裂纹扩展过程中的变化特点和规律,提出了基于裂纹特征在线提取的裂纹在线定量识别算法,并通过304不锈钢和TC-4钛合金的疲劳裂纹在线监测试验对算法的有效性进行了验证。研究表明：采用滑动窗口分析方式,对窗口内数据流进行最小二乘回归和递推最小二乘回归,依据回归参数和阈值可以对裂纹特征进行有效识别,进而实现裂纹的在线定量监测。     

基于涡流阵列传感器的金属结构裂纹监测方案可行性研究

针对飞机金属螺栓孔连接结构疲劳裂纹的特点和实时监测的需求,提出了一种基于柔性平面的涡流阵列传感器,设计了疲劳裂纹扩展实时监测方案,搭建了疲劳裂纹监测实验系统。通过建立监测系统的三维有限元仿真模型,得到传感器工作时感应磁场和磁位矢量的分布规律,验证了监测方案的可行性。通过设计疲劳裂纹扩展试验,确定了涡流阵列传感器定量监测能力。等幅程序载荷谱作用下2A12—T4铝合金试件疲劳裂纹监测试验结果表明:提出的涡流阵列传感器能够有效定量监测裂纹的扩展,裂纹监测方案是可行的,监测精度达到1 mm。仿真结果表明:传感器在工作时磁矢量位的分布关于激励线圈导线中心对称,在激励线圈导线中间达到最大值,同时裂纹存在时感应通道归一化跨阻抗幅值比增大10%。     

基于涡流阵列传感器的飞机结构疲劳寿命自动化监测研究

为提升飞机螺栓连接结构疲劳裂纹监测准确率,准确监测飞机结构疲劳寿命,提出了基于涡流阵列传感器的飞机结构疲劳寿命自动化监测研究.构建矢量电磁场量空间扩散方程,在层状介质空间中通过分离变量获取磁矢解析通解在无穷大介质空间内实现解耦,由此确定截面处电磁场量边界条件,分析提离距离与监测灵敏度之间关系.通过对半解析建模对涡流阵列...     

基于柔性涡流传感器疲劳裂纹监测试验研究

结构健康监测对于保证飞行安全具有重要意义,底层涡流传感器是体系获取结构状态的重要组成.设计了柔性涡流传感器,搭建了预置裂纹监测系统,针对304奥氏体不锈钢、2A12-T4铝合金和TC4钛合金三种材料进行了预置裂纹监测试验.试验表明:对于电导率较小的304奥氏体不锈钢和TC4钛合金材料,最优监测频率增大;预置裂纹对涡流传感器跨阻抗幅值和相位影响不同,相对于幅值变化,相位变化较小;预置裂纹宽度增大会使得传感器跨阻抗变化率增大;柔性涡流传感器感应线圈实现了对裂纹长度的识别和定量监测.     

矩形柔性涡流阵列传感器裂纹检测研究

某矩形涡流阵列传感器可对金属结构的裂纹进行定量检测,但使用中往往会受到提离效应的影响。通过建立矩形涡流阵列传感器的有限元模型,分析了传感器对提离距离的响应特性,并搭建裂纹检测试验平台,研究了提离距离对传感器裂纹检测能力的影响。研究表明:矩形涡流阵列传感器对提离效应十分敏感,在裂纹检测过程中应尽量抑制提离效应,同时提离距离的增加会显著地降低传感器的裂纹检测能力,在裂纹检测过程中应尽量减小提离距离。     

燃气管道电涡流裂纹检测仿真研究

燃气管道外表面疲劳裂纹是可能导致管道断裂的危害性缺陷.通过有限元仿真与实验研究,研究利用多频涡流检测技术使用柔性阵列式探头检测以4340#钢为材料的管道外壁疲劳缺陷问题.仿真给出不同物理参数的管道涡流分布、磁场分布及其变化.从仿真结果可观察出,管壁涡流疲劳裂纹检测结果并非与输入激励频率成正相关,而是针对不同金属材料具有最优参数.涡流检测提离值与磁场强度成负相关.涡流场的分布及其变化规律与磁场情况类同.据此可知检测管壁疲劳裂纹时依据金属材料选定最优物理参数进行检测可有效提高管壁涡流疲劳裂纹检测质量.实验研究结果与仿真结果一致,并且得出以4340#钢为材料的管壁疲劳裂纹涡流检测最优参数,对于涡流无损检测性能的优化提高具有一定的参考价值.     

柔性矩形涡流阵列传感器裂纹检测性能研究

针对飞机金属结构广布疲劳损伤的检测需求,介绍了一种柔性矩形涡流阵列传感器,通过有限元模型分析了其裂纹响应特性,并搭建模拟裂纹检测系统.通过试验研究了传感器的裂纹检测特性,优化了裂纹检测频率.研究表明:当裂纹"扩展"进入感应线圈的检测范围时,输出信号的幅值开始快速增加,若以各感应线圈幅值信号开始快速增加的"拐点"作为特征量,就可实现裂纹长度的定量检测;当归一化激励频率为0.3时,传感器的裂纹检测能力达到最优.     

钛合金结构疲劳损伤监测实验研究

飞机钛合金结构损伤的监测,对于保证飞行器的安全具有重要的意义。提出了一种涡流阵列传感器,并通过搭建监测系统,进行了TC4钛合金不同宽度裂纹扩展模拟监测实验研究。研究结果表明：当钛合金出现裂纹后,传感器各通道的输出信号与无裂纹的基准信号有较大的变化,并且随着裂纹宽度的增加,输出信号幅值比增大。同时,模拟监测实验研究表明：传感器能够准确地识别和定量监测裂纹,精度达到1mm。     

SnO2基薄膜气体传感器制作与敏感性测试

在现有的粉末烧结型SnO2基气敏传感器基础上研制了薄膜型SnO2基气体传感器,以抛光的丽热石英玻璃为基片,真空磁控溅射50～70nm厚度的SnO2薄膜,在SnO2薄膜上分别溅射不连续的ZnO、Al2O3、CeO2、InO2等薄膜,传感器背面溅射30μm的Ni80Cr20电阳合金作为传感器加热电阻,用薄膜热电偶测量传感器工作温度。测试了不同的复合瞑对传感器灵敏度和选择性的影响,并对传感器的吸附与解吸速度进行了测试,薄嗅传感器达到相同灵敏度所需的工作温度比粉末烧结型传感器下降100～150℃,吸附解吸速度比粉末烧结型快。     

Ozone sensors on the base of SnO2 films deposited by spray pyrolysis

The gas-sensing properties of SnO₂-based thin films designed for ozone detection are discussed in this paper. The influence of film characteristics on sensor performance is analyzed. SnO₂ films with thickness 30–200 nm were deposited by spray pyrolysis. The SnO₂ films have a response to ozone that is quantitative and rapid and sufficient for use in ozone control and monitoring applications. Sensor performance is compared with similarly prepared sensors fabricated from In₂O₃- and WO₃-based films. The mechanism of the processes controlling the sensor response characteristics is proposed. The data support our conclusion that the reaction with ozone using the SnO₂-film sensors is limited by the adsorption/desorption processes.     

Simulated annealing algorithm for combined economic and emission power dispatch using max/max price penalty factor

A new recurrent neural model for crack growth process of aluminium alloy is developed in this work. It is shown that a recurrent neural network with the feedback loops at the output layer is constructed to model the dynamic relationship between the crack growth and cyclic stress excitations of aluminium alloy. The output feedback loops in the neural model play the role of capturing the fine changes of crack growth dynamics. The Extreme Learning Machine is then used to uniformly randomly assign the input weights in a proper range and globally optimize both the output weights and feedback parameters, to ensure that the dynamics of crack growth under variable-amplitude loading can be accurately modeled. The simulation results with the averaged experimental data of the 2024-T351 aluminium alloy show that the excellent modeling and prediction performance of the recurrent neural model can be achieved for fatigue crack growth of aluminium alloys.     

基于无线疲劳监测系统的铝合金材料疲劳损伤研究

铝合金材料具有重量轻、强度高等特点,是国民经济发展的重要基础材料,在诸多领域(如飞行器设计与制造、建筑装饰等)中占有十分重要的地位。然而,其抗疲劳性能较差,在交变荷载作用下容易产生疲劳裂纹和发生疲劳破坏。提出了一种基于无线疲劳监测系统的铝合金材料疲劳损伤研究方法,实时监测了铝合金构件的疲劳应变,并实时分析了构件的疲劳损伤状况,为研究铝合金材料的疲劳性能提供了可借鉴性的方法。     

A high-sensitivity polyimide capacitive relative humidity sensorfor monitoring anodically bonded hermetic micropackages

This paper presents the design, fabrication and complete characterization of a high-sensitivity polyimide-based humidity sensor for monitoring internal humidity level in anodically bonded hermetic micropackages. This capacitive sensor is 1 mm on a side and utilizes CU1512 polyimide film with a thickness in the range from 300 Å to 1200 Å sandwiched between two metal electrodes to sense moisture. The measured sensitivity for a sensor with a 1200-Å-thick film is 0.86 pF/%RH, and for a 300-Å-thick sensor is 3.4 pF/%RH. The sensor has been exposed to and survived a one-hour test at 400°C, which is the temperature typically used to perform anodic bonding. Measurements show a drift of less than 1% RH at 50% RH and 37°C for 48 h, and a hysteresis of <2% RH over a range from 30 to 70% RH for a 1200-Å-thick polyimide film sensor. The measured breakdown voltage of the sensor (1200 Å thick) exceeds 20 V and agrees well with other results     

Thin film SnO2-based gas sensors: Film thickness influence

The influence of the thickness of SnO₂ films deposited by a spray pyrolysis method on the operating characteristics of gas sensors is analyzed in this paper. It outlines how the thickness of metal oxides is an important parameter for gas sensors in determining the main operating parameters, such as the magnitude and rate of the sensor response and the optimal operating temperature. It is also shown that the optimal film thickness of a gas sensing layer depends on the required sensor parameters.