某型飞机疲劳试验过程中声发射信号的处理

对某型飞机疲劳试验过程中的噪声信号和裂纹信号的特性进行了分析,针对裂纹信号的各个特性提出了不同的分析方法。运用参数分析和波形分析相结合的方法,成功地对某型飞机疲劳试验的数据进行了事后分析,获得与疲劳裂纹或者疲劳损伤声发射信号相关的一些典型特征,从而有助于了解试验过程中产生疲劳损伤的一些细节信息。这些结果对未来疲劳试验过程中的声发射监测具有重要参考价值和指导意义。     

飞机主起落架疲劳试验中的声发射信号处理

详细介绍了某型飞机主起落架疲劳试验过程中,利用声发射技术实时监测主起落架梁的健康状况。在一次试验进程中,利用趋势分析、幅值分析、空间分析等方法发现主起落架梁某区域内有高幅值、高能量的异常信号存在。为进一步验证主起落梁的疲劳损伤是否存在,利用基于相关分析的趋势分析方法对声发射信号进行再处理,排除了疲劳裂纹的存在,利用Fisher线性判别法建立了正常信号与故障信号的判别模式,保障了试验的顺利进行,为以后的数据处理、疲劳损伤信号与故障信号的判别提供了参考。     

2D-C/SiC陶瓷基复合材料拉伸试验的声发射特性

对2D-C/SiC陶瓷基复合材料试样在室温条件下单调拉伸试验和循环拉伸试验的损伤声发射信号进行研究,利用无监督层次聚类分析方法对单调和循环拉伸试验的声发射信号进行损伤模式识别,得出了两种拉伸试验下试样都有相同的损伤分类。对每次单调加/卸载试验分别进行应力和声发射信号分析,得到了在循环加载区间和卸载区间试样的损伤情况。对比分析两种拉伸试验的声发射信号,得到两次试验中首次加载相同应力时,两个试样有同一种类的声发射损伤信号,从而说明循环加载对试样的主要损伤影响较小。     

飞机疲劳开裂声发射波形信号的人工神经网络模式识别方法

利用SOM神经网络,对分类挑选的飞机疲劳过程采集的声发射波形信号进行模式识别分析,得到一组(300个)疑似裂纹的波形信号。其特点有:频谱图上同时出现三个明显的峰值,其能量相对较大,且频率基本固定。其中,第三峰值频率(168.5kHz)与先前的试验数据(175.8kHz)相接近,已具备了较明显的裂纹特征。     

旋转弯曲疲劳件的法向磁信号分布

为对旋转弯曲疲劳过程中的磁记忆信号进行分析,从磁记忆的物理基础出发,把旋转弯曲疲劳试验件看成一个磁体,试件的疲劳破坏过程就是试件由一个磁体变成两个磁体的过程。指出在试件表面检测到的磁场是环境磁场、试件的磁感应磁场和漏磁场的叠加,并分析了沿试件轴向的法向磁信号的分布变化。最后通过旋转弯曲疲劳试验,验证了理论分析结果。理论分析和试验结果均显示,疲劳破坏前法向磁信号出现显著的异常特征,可用其进行疲劳损伤诊断。     

某型飞机飞行载荷疲劳试验过程中的声发射监测

介绍了某型飞机全尺寸机体飞行载荷疲劳试验过程中对关键部件(包括不可接近部件)疲劳损伤的声发射(AE)实时监测技术。在强冲击、高振动背景下,利用基于时间、空间、幅度或能量滤波等多种信号处理方式,对预处理后的AE信号以趋势分析为主,多参数分析综合验证,另辅以其它方法(包括波形分析),对一些关键部位的健康状态进行AE实时在线监测。成功预报了机翼对接区域某螺栓孔夹层裂纹的萌生,为保证机体飞行载荷疲劳试验顺利进行起到了重要作用。     

声发射技术在飞机主起落架疲劳试验中的应用

介绍了某型飞机主起落架疲劳试验早期过程中多载荷作用下的关键结构的声发射实时监测技术。针对AE信号的复杂性,利用载荷滤波、幅值滤波以及空间滤波等多种滤波方法做信号处理,对处理后的AE信号以趋势分析为主,并以相关参数趋势变化进行验证。介绍了通过对提取到的关键部位在最大载荷下的AE信号的处理分析,取得了满意结果。不但掌握了各关键结构部位背景声发射信号的统计特征,还成功报告了加载系统的状况变化,为主起落架疲劳试验的顺利进行提供了保障作用。     

基于声发射信号的金属裂纹检测系统研究

本论文利用美国PAC公司SAMOS声发射检测系统采集到各种声发射信号,通过软件滤波和硬件滤波,以及独立分量分析融合多个传感器采集到的信号,然后分别对其进行特征提取和模式识别,最后通过D-S证据理论进一步融合其识别结果,提高对疲劳裂纹识别的准确度,为是否报警作理论依据.     

飞机关键零部件疲劳损伤的声发射实时监测

某型飞机的水平尾翼试验过程是在强冲击、高振动背景噪声下进行的。对处于不可接近位置的关键零部件（半轴）的疲劳损伤实施了声发射监测。基于对模拟测试信号的分析,提出信号数据的预处理原则,提高了数据的信噪比。声发射信号特征参数的趋势分析和关联分析方法,充分反映了关键零部件的疲劳损伤过程,采用声发射实时监测飞机关键零部件的疲劳损伤是可行的。     

基于最佳小波包分解和HMM的齿轮故障模式识别

齿轮故障模式识别的关键问题在于对故障振动信号的特征提取。为了快速准确识别齿轮故障模式,提出了一种基于最佳小波包分解(OWPD)和隐马尔可夫模型(HMM)的识别方法。该方法对采集的振动信号进行小波包分解,再利用OWPD自动选择提取最佳小波包能量构造特征向量,输入HMM中进行训练与测试,实现了齿轮故障模式识别。实验结果表明该方法在齿轮故障模式识别方面的有效性和准确性。     

压力容器声发射信号人工神经网络模式识别方法的研究

采用人工神经网络模式识别技术对现场压力容器各种声发射源信号特征参数进行了模式识别分析,提出了采用人工神经网络分类方法对压力容器声发射源信号进行定量分析的概念,从而找到了评价声发射源严重程度的方法,设计和培训的人工神经网络可以给出一个多种因素产生的复合声发射源中裂纹扩展、氧化夹渣断裂、残余应力释放和机械摩擦信号所占的百分比,这一结果使声发射技术对压力容器安全状态的无损评价成为可能。     

压力容器无损检测--声发射检测技术

声发射技术是20世纪60年代开始,目前逐步成熟的一种无损检测方法,已被广泛应用在压力容器检测和结构的完整性评价方面。文中简要介绍了国内外压力容器声发射检测的发展史和现状。给出了压力容器用钢的声发射特性和压力容器声发射检测方法,综合分析了国内外压力容器声发射检测的标准、仪器和应用进展。最后指出了压力容器声发射检测的发展方向,即在线监测、声发射信号的模式识别和人工神经网络模式识别分析。     

齿轮表层疲劳裂纹扩展的声发射模型

齿轮表面的疲劳磨损是齿轮故障的主要形式之一。从弹性力学的能量理论角度,推导出了齿轮齿表疲劳裂纹在扩展时的能量关系,并根据声发射信号的特征,构造出齿表疲劳裂纹在扩展时产生的声发射信号的理论模型,说明了影响声发射信号能量强度的主要因素为裂纹扩展时间、形变体积及载荷和弹性模量的变化率,从理论上证明了声发射技术用于检测疲劳磨损的可行性。     

声发射源特性的神经网络模式识别研究

提出一种对声发射源活动情况进行模式识别的方法。该方法以裂纹的形成、扩展和断裂三个阶段为声发射源,通过对声发射的参数进行采样和分析,利用不同类型的人工神经网络进行模式识别,以判断理解纹的危害程度。该方法也可用于区别噪声、泄漏、裂纹等不同声发射源的声发射信号,以判断缺陷的类别。     

某型飞机主起落架支柱外筒头部枢轴疲劳损伤的声发射监测

某型飞机全尺寸机体疲劳试验过程中的无损检测和声发射(AE)监测对该型飞机疲劳定寿、确定修理周期及未来改进型疲劳细节设计起着十分关键的作用。起落架地面载荷试验是疲劳试验的重要组成部分,需要声发射监测的区域包括起落架梁和上、下枢轴等关键部位。针对试验过程的强冲击和强噪声干扰,作者利用声发射信号参数的趋势分析、基于时域和频域的滤波技术、相关分析方法和基于空间的滤波技术,实现了对这些目标的实时监测并成功地监测出上、下枢轴磨损等故障。     

起重机梁活性缺陷的声发射信号特征

探讨起重机梁缺陷的声发射信号特征和发展规律。采用模拟梁加载试验,获得梁上人工裂纹萌发和扩展过程的声发射信号。通过经验模式分解方法分析出不同载荷和裂纹扩展过程的声发射频率特征。结果表明,起重机梁活性缺陷声发射信号为突发性信号,每一事件声发射所含频率成分复杂。一般裂纹萌发时的声发射信号频率较低;随着裂纹的发展,频率逐渐增高,缺陷频率范围约为25～160 kHz。该研究为起重机械活性缺陷的声发射检测技术提供了理论基础。     

防喷器材料在拉伸过程中的声发射信号特性

用声发射技术研究防喷器材料ZG25CrNiMo裂纹试件的拉伸损伤与断裂行为。声发射仪器记录了ZG25CrNiMo裂纹试件在拉伸破坏过程中的声发射信号,运用声发射参数分析方法和波形分析方法对zG25crNiMo裂纹缺陷试件的声发射数据进行分析,得出材料在拉伸过程中的损伤类型以及各阶段所呈现的特性。试验结果表明,拉伸过程中破坏机制对声发射信号的特征具有显著影响,不同损伤阶段的信号频谱特征存在差异。     

飞机主承力构件疲劳裂纹萌生和扩展的声发射评价

讨论了利用声发射(AE)监测飞机关键部位疲劳裂纹形成和扩展的意义、可行性以及应当注意的问题.提出利用多参数识别和相关技术从高背景噪声中获取裂纹扩展所产生的声发射信号,并曾在疲劳试验过程中多次成功预报了飞机一些主承力构件的疲劳裂纹萌生和扩展.     

Acoustic emission from wire ropes during proof load and fatigue testing

The paper describes an experimental investigation into the enhancement of proof and fatigue testing procedures for wire ropes by incorporating data from acoustic transducer signals. During proof load tests on a selection of damaged wire ropes, it is shown that acoustic emission increases significantly after the damage is inflicted, even though ropes continue to pass the proof test. The relationship between acoustic emission signal characteristics and wire breaks is investigated and it is found that the most effective acoustic signal discriminators are energy and amplitude. Finally, the pattern of acoustic emission signals during a fatigue test is studied and a suggestion is made for a filtering technique to improve the recognition of imminent failure.