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
【技术领域】
[0001] 本发明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。
【背景技术】
[0002] 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。
[0003] 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。
【发明内容】
[0004] 本发明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。
[0005] 为实现上述目的，本发明提出如下技术方案：
[0006] -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。
[0007] 进一步的，所述搭载声发射仪的疲劳试验具体步骤如下：
[0008] (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；
[0009] (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。
[0010] (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。
[0011] 进一步的，所述疲劳损伤无损检测分析具体步骤如下：
[0012] (1)声发射信号特征提取，将测得的参数信号一一上升时间、能量和持续时间与做 计数的比值，按照步长η对数据进行参数的均值统计和相关系数分析；
[0013] (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Ii 1，快速扩展阶段的数据量为％，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。
[0014] (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。
[0015] 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。
[0016] 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：
【主权项】
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。
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如 下： (1) 声发射信号特征提取，将测得的参数信号一一上升时间、能量和持续时间与做计数 的比值，按照步长η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Ii1，快速扩展阶段的数据量为％，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。
4. 根据权利要求2所述的方法，其特征在于，所述步骤（3)中参数信号包括上升时间、 计数、能量、持续时间。
5. 根据权利要求3所述的方法，其特征在于，所述步骤（1)参数的均值统计和相关系数 分析具体如下：
ni
其中： 分别表示：上升时间、能量和持续时间与计数的比值； xaj)表示：上升时间/计数与能量/计数之间的相关系数； &5^表示：上升时间/计数与持续时间/计数之间的相关系数； &6^表示：持续时间/计数与能量/计数之间的相关系数； 氏、Q、EjP D冷别表示第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。
6. 根据权利要求3所述的方法，其特征在于，所述步骤（2)判断临界点的条件为：裂纹 扩展速率大于HT3Him/次循环加载。
7. 根据权利要求2所述的方法，其特征在于，所述步骤（2)中的耦合剂为凡士林。
【专利摘要】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，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。
【IPC分类】G01N29-14
【公开号】CN104634879
【申请号】CN201510059474
【发明人】张卫冬, 艾轶博, 孙畅, 吕涛, 张习文
【申请人】北京科技大学
【公开日】2015年5月20日
【申请日】2015年2月4日