一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法技术

技术编号:11481067 阅读:159 留言:0更新日期:2015-05-20 15:21
一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法,同时属于声发射技术领域和材料智能表征领域,该方法包括搭载声发射仪的疲劳试验与疲劳损伤无损检测分析两部分,搭载声发射仪的疲劳试验包括材料试样疲劳加载、搭载声发射系统和声发射信号采集,疲劳损伤无损检测分析包括对疲劳过程声发射信号进行特征提取、损伤识别和安全预警。该方法将声发射技术与传统疲劳试验相结合,利用模式识别、统计分析等方法,确定金属材料疲劳过程中声发射信号的特征并做出损伤识别与安全预警,为金属材料疲劳损伤的无损检测分析提供研究方法,具有广泛推广应用价值。

【技术实现步骤摘要】
一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法
本专利技术涉及声发射无损检测领域与材料智能表征领域,具体涉及一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法。
技术介绍
高速铁路在我国发展迅速,高速铁路的运行状态监测、服役安全评价问题也随之而来,保障高速列车的运行安全,具有重大政治、经济和科学意义。高速列车齿轮箱属于A类关键部件,在发现齿轮箱存在安全隐患后应立即停车检查,箱体作为齿轮箱的重要部分,若存在裂纹而爆裂,将造成巨大的损失。根据实际条件情况,选择合适的无损检测技术,识别金属材料在服役过程中的状态并做出安全预警,对保障构件的服役安全具有重要意义。对于失效形式主要由疲劳产生的金属构件,传统分析方法是对金属试样采用加速疲劳试验,通过试验来确定金属材料的疲劳寿命。但这种方法是破坏性试验,不能对服役过程中的金属材料的疲劳寿命进行分析与预测。对于金属材料,当受到外力作用时,金属键会逐步发生塑性形变,发生断裂,金属键的断裂会伴随声现象的产生,当有较大金属键断裂时,声发射现象明显,可以采用声发射仪测得相应的信号,能够保证实时、在线对金属材料的服役过程进行监测。
技术实现思路
本专利技术目的在于提供一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法,采用声发射仪对金属材料的疲劳过程进行监测,为了准确识别金属材料疲劳失效时的声发射信号特征,设计搭载声发射仪的疲劳试验,采集声发射信号,对声发射信号进行特征提取,进而实现对疲劳损伤的识别与安全预警。为实现上述目的,本专利技术提出如下技术方案:一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法,所述方法包括搭载声发射仪的疲劳试验与疲劳损伤无损检测分析两部分,所述疲劳损伤无损检测分析将所述搭载声发射仪的疲劳试验中测得的参数计算分析,所述搭载声发射仪的疲劳试验包括材料试样疲劳加载、搭载声发射系统和声发射信号采集,所述疲劳损伤无损检测分析包括声发射信号特征提取、损伤识别和安全预警。进一步的,所述搭载声发射仪的疲劳试验具体步骤如下:(1)材料试样疲劳加载,将试验所用金属材料加工成标准试样的形状,试样中部有初始裂纹,在采集信号前对试样进行裂纹的预制,将预制疲劳裂纹后的试样安装到疲劳加载设备上,然后根据不同的金属材料,选择合适的加载载荷,设置加载的应力比,选择合适的加载频率;(2)搭载声发射系统,在金属试样的预制裂纹前端放置声发射传感器,并在金属试样与声发射传感器之间涂抹耦合剂,保障二者之间的有效接触,然后将探头固定在试样上面,并根据材料不同设置适当的声发射仪采集参数。(3)第三步,采集声发射信号,对试件开始进行疲劳加载,同时触发声发射仪,不断采集声发射参数信号,并保存在声发射工作站中。进一步的,所述疲劳损伤无损检测分析具体步骤如下:(1)声发射信号特征提取,将测得的参数信号——上升时间、能量和持续时间与做计数的比值,按照步长n对数据进行参数的均值统计和相关系数分析;(2)损伤识别,首先对临界点前后的数据进行分类,确定每类样本的数量,将稳定扩展阶段的数据量设定为n1,快速扩展阶段的数据量为n0,对于不同阶段的数据根据数据量的差别,赋予不同的权值,对样本进行分类器的训练和测试,按照留一验证的方法进行测试和训练样本的选择,在训练过程中,利用粒子群优化算法PSO对训练集进行参数寻优,并结合最优参数建立最佳损伤识别分类,最后对测试样本进行损伤识别分类。(3)安全预警,以能量/计数作为安全预警的输入进行建模,最小二乘支持向量机LSSVM采用最小二乘系统作为损失函数,将粒子群寻优算法PSO和LSSVM进行结合,采用PSO优化的LSSVM算法计算,并实时动态地进行数据更新和预测及预警。进一步的,所述搭载声发射仪的疲劳试验步骤(3)中参数信号包括上升时间、计数、能量、持续时间。进一步的,所述疲劳损伤无损检测分析步骤(1)参数的均值统计和相关系数分析具体如下:其中:x(1,j)、x(2,j)、x(3,j)分别表示:上升时间、能量和持续时间与计数的比值;x(4,j)表示:上升时间/计数与能量/计数之间的相关系数;x(5,j)表示:上升时间/计数与持续时间/计数之间的相关系数;x(6,j)表示:持续时间/计数与能量/计数之间的相关系数;Ri、Ci、Ei和Di分别表示第i个采样点对应的上升时间、计数、能量和持续时间,j表示步长区间的编号。进一步的,所述疲劳损伤无损检测分析步骤(2)判断临界点的条件为:裂纹扩展速率大于10-3mm/次循环加载。进一步的,所述搭载声发射仪的疲劳试验步骤(2)中的耦合剂为凡士林。本专利技术的有益效果在于,实现用声发射信号对材料服役状态的智能表征,得到金属材料在疲劳各阶段的声发射信号的变化规律,为金属材料的疲劳裂纹扩展的监测和分析提供了基础,并通过利用信号处理和模式识别方法,形成金属材料在疲劳过程中基于声发射信号的损伤识别与安全预警方法,为金属材料服役过程的安全评价奠定基础。附图说明图1为本专利技术流程示意图;图2为本专利技术疲劳加载示意图;图3为声发射信号参数示意图;图4金属材料疲劳过程中的声发射信号损伤识别流程示意图;图5为PSO优化的LSSVM声发射信号安全预警流程示意图;图6(a)为特征参数中上升时间与计数比值的参数统计图;图6(b)为特征参数中能量与计数比值的参数统计图;图6(c)为特征参数中持续时间与计数比值的参数统计图;图7(a)为上升时间/计数与能量/计数之间的相关系数图;图7(b)为上升时间/计数与持续时间/计数之间的相关系数图;图7(c)为持续时间/计数与能量/计数之间的相关系数图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本专利技术进行进一步详细描述。应当理解,此处所描述的具体实施例仅仅用于解释本专利技术,并不用于限定本专利技术。相反,本专利技术涵盖任何由权利要求定义的在本专利技术的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本专利技术有更好的了解,在下文对本专利技术的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本专利技术。下面结合附图与具体实施方式,对本专利技术进一步说明。如图1所示,一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法,所述方法包括搭载声发射仪的疲劳试验与疲劳损伤无损检测分析两部分,所述搭载声发射仪的疲劳试验包括材料试样疲劳加载、搭载声发射系统和声发射信号采集,所述疲劳损伤无损检测分析包括声发射信号特征提取、损伤识别和安全预警,所述疲劳损伤无损检测分析将所述搭载声发射仪的疲劳试验中测得的参数计算分析,利用特征识别、系统分析等方法,确定金属材料疲劳过程中声发射信号的特征并作出损伤识别与安全预警。所述搭载声发射仪的疲劳试验具体如下:第一步,材料试样疲劳加载。首先对金属材料进行加工,将试验所用金属材料加工成现行国标标准CT试样的形状,实际试样尺寸和厚度根据自己加载的实际需要进行不同的更改,加载孔的大小根据所用试验机的不同也略有不同,本实施例中对高铁齿轮箱体材料进行取样,加工成现行国标标准CT试样,试样其中一侧的两端有圆形孔,方便后续的疲劳试验的加载,中部有初始裂纹,本实施例以高强度铝合金材料为例,加工成标准试样,试样的初始裂纹为8mm。由于出厂合格的金属材料是不存在裂纹缺陷本文档来自技高网...
一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法

【技术保护点】
一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法,其特征在于,所述方法包括搭载声发射仪的疲劳试验与疲劳损伤无损检测分析两部分,所述疲劳损伤无损检测分析将所述搭载声发射仪的疲劳试验中测得的参数计算分析,所述搭载声发射仪的疲劳试验包括材料试样疲劳加载、搭载声发射系统和声发射信号采集,所述疲劳损伤无损检测分析包括声发射信号特征提取、损伤识别和安全预警。

【技术特征摘要】
1.一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法,其特征在于,所述方法包括搭载声发射仪的疲劳试验与疲劳损伤无损检测分析两部分,所述疲劳损伤无损检测分析将所述搭载声发射仪的疲劳试验中测得的参数计算分析,所述搭载声发射仪的疲劳试验包括材料试样疲劳加载、搭载声发射系统和声发射信号采集,所述疲劳损伤无损检测分析包括声发射信号特征提取、损伤识别和安全预警;所述疲劳损伤无损检测分析具体步骤如下:(1)声发射信号特征提取,将测得的参数信号——上升时间、能量和持续时间与做计数的比值,按照步长n对数据进行参数的均值统计和相关系数分析;(2)损伤识别,首先对临界点前后的数据进行分类,确定每类样本的数量,将稳定扩展阶段的数据量设定为n1,快速扩展阶段的数据量为n0,对于不同阶段的数据根据数据量的差别,赋予不同的权值,对样本进行分类器的训练和测试,按照留一验证的方法进行测试和训练样本的选择,在训练过程中,利用粒子群优化算法PSO对训练集进行参数寻优,并结合最优参数建立最佳损伤识别分类,最后对测试样本进行损伤识别分类;(3)安全预警,以能量/计数作为安全预警的输入进行建模,最小二乘支持向量机LSSVM采用最小二乘系统作为损失函数,将粒子群寻优算法PSO和LSSVM进行结合,采用PSO优化的LSSVM算法计算,并实时动态地进行数据更新和预测及预警。2.根据权利要求1所述的方法,其特征在于,所述搭载声发射仪的疲劳试验具体步骤如下:(1)材料试样疲劳加载,将试验所用金属材料加工成标准试样的形状,试样中部有初始裂纹,在采集信号前对试样进行裂纹的预制,将预制疲劳裂纹后的试样安装到疲劳加载设备上,然后根据不同的金属材料,选择合适的加载载荷,设置加载的应力比,选择合适的加载频率;(2)搭载声发射系统,在金属试样的预制裂纹前端放置声发射传感器,并在金属试样与声发射传感器之间涂抹耦合剂,保障二者之间的有效接触,然后将探头固定在试样上面,并根据材料不同设置适当的声发射仪采集参数;(3)第三步,采集声发射信号,对试件开始进行疲劳加载,同时触发声发射仪,不断采集声发射参数信号,并保存在声发射工作站中。3.根据权利要求2所述的方法,其特征在于,所述搭载声发射仪的疲劳试验步骤(3)中参数信号包括上升时间、计数、能量、持续时间。4.根据权利要求1所述的方法,其特征在于,所述疲劳损伤无损检测分析具体步骤(1)参数的均值统计和相关系数分析具体如下:

【专利技术属性】
技术研发人员:张卫冬艾轶博孙畅吕涛张习文
申请(专利权)人:北京科技大学
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1