基于递归分析的微裂纹缺陷超声检测技术研究

为准确检测金属构件微裂纹缺陷,采用超声脉冲反射法对金属试块进行检测,并提取超声背散射信号进行分析。通过对背散射信号进行简单的建模,说明其组成要素。由于背散射信号的非线性特征,缺陷回波信号会对系统的递归特性产生影响;在此基础上提出了基于递归分析的方法分别对含人工微裂纹缺陷金属试块的无缺陷区、单裂纹区及双裂纹区背散射信号进行检测研究;通过合理的参数选择,对采样信号进行递归分析并绘制递归图;对比含缺陷信号与无缺陷信号,发现前者会在递归图中产生明显的白色交叉条纹带。使用递归定量分析进一步研究了含缺陷背散射信号的递归特征量。结果表明多种特征量对缺陷回波信号比较敏感,其中递归率(RR)和捕获时间(TT)在缺陷位置有明显的特征。     

超声背散射信号递归定量分析无损表征CFRP孔隙分布仿真

针对碳纤维增强树脂基复合材料（Carbon fibre reinforced plastics,CFRP）孔隙分布对其力学性能有不可忽略影响的问题,提出对超声背散射信号进行递归定量分析（Recurrence quantification analysis,RQA）的方法来表征CFRP孔隙尺寸和位置分布。建立孔隙直径D范围为26~70 μm的3组含球形孔隙且孔隙位置分布不同的CFRP模型,3组模型的孔隙间距d分别为0.21 mm、0.14 mm和0.09 mm,对模型进行仿真计算,采用RQA方法分析超声背散射信号。研究发现,相同孔隙位置分布时,递归度P_RR（Recurrence rate）随D的增加而减小;相同孔隙尺寸分布时,P_RR随着孔隙间距d减小而增大,d=0.09 mm时模型的P_RR始终明显高于其余两组,D<50 μm时,d=0.14 mm与d=0.21 mm模型P_RR之间差别明显,D ≥ 50 μm时差别较小。结果表明,不同孔隙分布情况下P_RR均存在差异,P_RR可用于CFRP孔隙分布表征。     

碳纤维复合材料对超声衰减的频域分析

采用反射法对两组不同碳纤维复合材料试块进行了超声检测, 并用快速傅立叶变换( FFT) 方法分析了信号的频域特征。结果表明: 超声衰减系数与频率之间存在线性关系, 而且其斜率随孔隙率的增大而增大。孔隙对超声波的衰减作用使超声信号的峰值降低、频宽变窄且使中心频率降低。超声信号矩心频率的偏移与孔隙率之间、超声衰减率与孔隙率之间均呈线性关系。频域内的特征量与孔隙率之间的线性关系为建立正确的孔隙率频域检测模型提供了基础。      

超声A扫描信号建模及其缺陷识别方法研究

针对超声检测中A扫描信号依靠经验评定结构缺陷、识别缺陷类型困难等问题,提出一种A扫描信号建模方法,计算出缺陷A扫描信号。该方法基于超声检测系统建立A扫描信号数学模型,应用多元高斯声束法计算模型中缺陷表面超声波传播质点速度,运用基尔霍夫近似理论描述模型中缺陷散射振幅,从而获得缺陷超声A扫描信号。应用CSII-1/20标准试块平底孔(缺陷)超声A扫描表明:该方法计算获得试块平底孔5#(缺陷)A扫描信号与试验测量结果在缺陷位置和幅度基本吻合,是识别结构孔洞类缺陷的一种有效方法。     

含孔隙碳纤维复合材料对超声波相速度的影响

用透射法对两组不同的碳纤维复合材料试块进行超声测量,采用相位展开法求得试块的相速度,并验证了Kramers-Kroning(K-K)关系式.结果表明,在一定频率下,孔隙对超声波相速度的色散作用随孔隙率的增大而增大.当孔隙率一定时,孔隙的色散作用随着频率的增加而减小,高频成份具有更高的相速度.分析结果还表明,相速度的改变与试块的孔隙率之间存在着良好的线性关系,有助于建立碳纤维复合材料孔隙率的超声检测模型.     

CFRP中孔隙几何形貌与超声衰减系数关系的研究

通过金相和超声衰减系数表征CFRP层压板中的孔隙,研究孔隙形貌对超声衰减的影响。结果表明:超声衰减系数随孔隙几何形貌参数(平均长、宽、面积)的增大而增大;平均孔隙长度随孔隙率的增加程度大于平均孔隙宽度随孔隙率的增加程度;超声衰减系数随主要尺寸区域内的孔隙所占比例的增加,总体趋势减小;同一孔隙率下,大尺寸孔隙所占的比例越多,其超声衰减系数越大。总之,本试验中孔隙形貌对超声衰减有一定的影响且不能忽略。     

汽轮机轮缘超声相控阵检测中缺陷方向识别

利用超声相控阵检测系统对含有裂纹缺陷的外包菌型低压汽轮机叶轮圆盘实验试块进行检测.针对超声波脉冲反射法中缺陷方向难以确定,尺寸容易误判等问题,提出一种频谱分析方法,研究线状缺陷方向变化对于超声回波的影响.对于3种倾斜角度的裂纹缺陷回波信号,分析其功率谱并进行小波包的分解和重构,用"频率-能量"的方法提取各方向缺陷回波信号的能量特征.实验结果表明,各方向缺陷回波信号的能量特征差别明显,并绘制出声束轴线与缺陷的夹角和高频带所占能量之间关系曲线.该方法实现了缺陷方向的识别,并为后续线状缺陷的准确定量提供依据.     

考虑孔隙缺陷的CFRP微观切削仿真与实验研究

碳纤维增强树脂基复合材料(CFRP)在航空航天等领域应用广泛。在CFRP制造过程中难以避免会产生孔隙等缺陷,对后续的切削加工造成一定影响。在考虑了CFRP成型过程形成的孔隙缺陷基础上,运用有限元仿真模拟方法,从纤维-树脂-界面尺度建立了含孔隙缺陷的CFRP微观切削仿真模型,研究了不同孔隙率条件下不同纤维排布方向的CFRP微观切削行为,并通过实验验证了仿真模型的正确性。研究结果表明:孔隙的存在会增加刀具的“空切”现象,从而对CFRP切削过程的切削力、材料破坏及亚表面损伤、材料能量等产生影响。随孔隙率的增加,切削力呈下降趋势,孔隙边缘的纤维产生整体断裂的倾向增加;孔隙对0°、45°和135°纤维排布方向的CFRP切削加工的面下损伤影响不大,在纤维排布方向为90°条件下,孔隙率高于3vol%时对加工表面的面下损伤具有较大影响;在材料内部能量耗散方面,“顺切”(纤维方向角小于90°)时的总耗散能低于“逆切”,随孔隙率增加,总耗散能降低。      

基于VMD-RQA的直线振动筛激振力不平衡故障诊断

针对直线振动筛早期激振力不平衡故障难以诊断问题,提出了一种基于变分模态分解(VMD)和递归量化分析(RQA)的故障诊断方法。对振动信号进行VMD分解,将直线振动筛基频信号分离,并得到被淹没的各阶高频分量;绘制不同信号分量的动力特性递归图,计算递归图的量化指标,组成故障信号的非线性、非平稳性评价特征向量,将高维特征向量输入机器学习分类器中进行识别诊断,并与传统的特征提取方法比较。试验结果表明:在直线振动筛激振力不平衡故障现场,该方法所提取的特征参数具有最高识别精度,综合识别率为99.13%;且应用于旋转机械滚动轴承实例数据,综合识别率为99.38%,说明该方法具有一定的通用性和工程应用价值。     

C/SiC复合材料空气耦合超声检测数值模拟

针对高孔隙率C/SiC复合材料空气耦合超声检测,引入考虑孔隙形貌的随机孔隙模型开展数值模拟研究。结合力学和声学性能测试计算材料弹性刚度矩阵,借助组织分析建立考虑孔隙微观形貌、孔隙率分别为5%、10%、15%的随机孔隙有限元模型,研究了空气耦合超声透射法检测过程中超声波传播特征及典型缺陷的响应规律。结果表明:材料纵波声速约2830 m/s,横观各向同性五个独立弹性常数分别为158.149、88.589、34.141、15.288和13.793 GPa。孔隙呈长条状,随孔隙率增加,超声衰减逐渐增大;孔隙尺寸与波长的比值约在0.05~0.22范围,主要为瑞利散射机制。高孔隙率、复杂孔隙形貌显著影响超声波的传播过程,导致个别条件下声场指向性发生偏转,影响缺陷检测。当分层缺陷长度由0增加到25 mm时,接收信号幅值衰减增大,与无分层模型相比最大衰减增加33.9 dB。随着复合材料层板厚度的增加,超声衰减进一步增强,声场也将产生一定偏转,主要体现孔隙和分层的共同作用。计算结果与实验吻合较好,为高孔隙率C/SiC复合材料的高质量无损检测提供支撑。      

内埋中空纤维法制备复合材料孔隙率标准试块的超声衰减特性

采用50D中空涤纶长丝埋入复合材料,模拟复合材料的孔隙,制备孔隙率标准试块。通过制备三种厚度(1.5,3.0和5.0mm)和五种孔隙率(0~5.76%)的碳纤维增强环氧树脂复合材料,采用超声C扫描测定不同孔隙率下复合材料的超声衰减,并和波音公司的标准试块进行了对比。研究了涤纶排列密度和在厚度方向上的排列位置对复合材料超声衰减的影响。结果表明,制备的标准试块和波音公司标准试块具有良好的一致性,用涤纶中空纤维模拟复合材料的孔隙率是可行的;随着涤纶排列密度的增加,孔隙率增加,超声衰减增加;在孔隙率不变的情况下,涤纶分布在不同的厚度位置上时,其复合材料的超声衰减基本一致。     

基于仿真方法的CFRP复合材料孔隙率与超声衰减系数的关系

为从超声衰减机制角度解释碳纤维增强树脂基（CFRP）复合材料孔隙率P与超声衰减系数α之间呈非唯一对应关系的原因,针对厚度为2 mm的热压罐成型单向CFRP层板,建立了具有不同孔隙尺寸的CFRP模型（P=0.5%~3.5%）,并采用数值计算方法得到衰减系数α值。当孔隙横向尺寸D=56 μm,即归一化波数kD=2π D/λ <1（超声波波长λ ≈560 μm）时,α随P增大而缓慢线性增加;当D=93 μm（kD ≈ 1）时,α随P增大呈对数增长。仿真结果表明,超声波在含孔隙CFRP中传播时,随着归一化波数的不同,超声波衰减可能包括瑞利散射和随机散射两种机制,孔隙形貌的随机复杂性导致CFRP孔隙率与超声衰减系数之间呈现非唯一对应关系。     

基于时频分析的CFRP分层缺陷识别研究

为了实现碳纤维复合材料(CFRP)构件分层缺陷的检测,提出了时频定量分析方法.利用短时傅里叶变换(STFT)、魏格纳变换(WVD)和平滑伪魏格纳变换(SPWVD)3种时频分析方法对超声回波信号进行分析和对比,从信号时频表示中的各种特性,如时频聚集性、主体能量、交叉干扰项等,选出了对超声回波信号比较适合的时频分析方法—SPWVD,随后对其时频谱进行降维特征提取.结果表明,采用SPWVD时频分析方法有效降低了干扰对识别准确性的影响,对CFRP构件分层缺陷检测具有可行性.     

基于数值计算方法的CFRP层板二维细观形貌多孔隙超声散射衰减

针对超声波在含有多孔隙的复合材料中传播时,邻近孔隙超声散射波之间相互作用和散射衰减机制尚未澄清的问题,对孔隙率为7.47%的碳纤维增强复合材料（Carbon Fiber Reinforced Plastic,CFRP）采用时域有限差分方法进行数值计算,对比研究了CFRP层板中不同尺寸范围二维真实形貌孔隙及圆形孔隙对应的超声散射衰减系数。结果表明,对于横向尺寸m≤λ/8、λ/8_s普遍小于真实形貌孔隙的α_s。对于孔隙横向尺寸满足m<2λ/3的情况,大尺寸孔隙以及长条形孔隙的存在,整体上会使超声波散射衰减加重。     

一种多阈值融合心音递归图的设计与应用

为了有针对性地突出心音的某些特征,将心音信号用递归图的方式进行表征和识别。该研究讨论了心音与递归图的关系,给出适用于心音的递归图获取方法;提出一种自适应阈值计算方法,重点分析如何利用这种自适应阈值构建一种多阈值融合心音递归图,使这种心音递归图能最佳的表现心音特征,并从多阈值融合心音递归图中提取D~(′2)/S~(′2)值和灰度共生矩的4种纹理特征:能量、对比度、相关性和熵;利用支持向量机进行心音分类识别。实验结果表明,对研究中使用的两个数据库,不用进行S_1,S_2分段预处理,平均识别率可达到90%以上,并将这个方法成功应用于心血管健康评估系统。     

基于RQA与SVM的声发射信号检测识别方法

针对裂纹声发射信号检测问题,提出基于递归定量分析与支持向量机相结合的新型检测方法。利用小波阈值去噪原理,对采集的声发射信号进行去噪,将递归定量分析引入声发射信号检测,提取递归定量分析的量化特征参数,结合支持向量机对模拟裂纹声发射信号进行识别。并实验验证该方法的可行性。     

碳纤维复合材料孔隙率超声衰减测试研究

探讨和分析了碳纤维复合材料孔隙率检测的各种方法以及理论方面的研究,指出材料内部孔隙形状与孔隙含量存在着相关性,孔隙含量超声衰减测量应考虑孔隙形貌因素,超声波频率因素对超声衰减孔隙含量测量存在着影响,不同频率超声波影响着超声衰减孔隙含量计算公式的具体形式,复合材料孔隙率检测的难点在于破坏性实验及孔隙特性不能与实测中超声信号充分点点对应,不能有效充分考虑孔隙特性,提出了一种基于孔隙特征的多分段拟合孔隙率超声衰减测试方法,并以一简单例子对多分段拟合结果进行了分析.     

基于递归矩阵奇异熵的损伤识别方法

对递归图方法在土木工程结构损伤检测中的适用性进行研究,对环境激励的结构响应信号采用多变量融合的方法,并扩展到高维相空间中,研究信号在高维空间中临近点的分布规律和运动特点,采用递归图理论,结合奇异熵理论提出一个新的递归量化指标——递归矩阵的奇异熵,将其作为损伤敏感特征指标,用于结构的损伤识别。数值算例验证了该指标的有效性     

水利工程中金属焊缝缺陷的超声检测方法比较研究

为研究基于超声的无损探伤方法在水利工程金属结构焊缝缺陷识别中的应用,利用常规超声检测技术、超声相控阵技术、衍射时差法(Time of Flight Diffraction, TOFD)超声检测技术对水利工程金属结构焊接试块缺陷进行识别,分析了各种缺陷在超声无损探伤技术中的特征显示。研究结果表明:常规超声检测技术、TOFD检测技术均能对各种缺陷实现信号显示,超声相控阵检测技术对气孔和横向裂纹的显示不够明显,但对其它缺陷的检出效果较为明显;常规超声检测技术对操作人员的要求较高,对缺陷的定性困难,精度不高;TOFD检测结果中气孔和横向裂纹的显示呈现出一种特殊的弧形,有一定高度的内部裂纹和未熔合的信号由上下尖端衍射波组成,根部未焊透上下尖端信号不够明显;相控阵检测结果直观,可以较精确地测量缺陷的埋藏深度、自身高度、长度等,但在扫查点状缺陷或者与超声声束平行的裂纹缺陷时,检出率极低。     

基于递归定量分析与高斯混合模型的齿轮故障识别

针对递归图只能对信号进行定性分析,不利于其深入应用的缺点,应用递归定量分析方法对各种故障模式振动信号进行定量分析.采用确定率和层流率组成齿轮故障识别的特征向量,并结合高斯混合模型实现齿轮故障模式识别.以齿轮故障实验台上所测取的实验数据为对象,分别采用Re-substitution检验法,Jackknife检验法和Independent dataset检验法对提出的方法和RBF人工神经网络分类算法进行检验.结果表明,递归定量分析与高斯混合模型相结合应用于齿轮故障模式识别具有更高的识别率.