基于声发射雪崩效应的多孔金属材料失效预警方法及装置

本发明属于声发射监测，具体涉及基于声发射雪崩效应的多孔金属材料失效预警方法。

背景技术：

1、多孔金属材料作为常用的结构及功能材料，具有比重小，比表面积大，吸震、吸音性能好等特点，广泛应用于航空航天、环境保护、生物医学等领域。然而，以牺牲机加工性能和疲劳强度为代价的高孔隙率多孔金属，其在低应力服役条件下对裂纹萌生及扩展十分敏感。为降低人身健康危险，避免因结构失效导致的经济损失，人们对多孔金属材料服役过程中的失效监测和预警技术的需求与日俱增。声发射(ae)监测技术作为一种常用的材料无损监测技术，因其低成本、低功耗的特点常被用于结构材料及部件的健康监测，具有对多孔金属材料在长期服役环境下进行失效预警的潜力。

2、现有的声发射失效预警的方法为：在监测前预先设置一个或多个声发射特征参数的失效门槛值，当材料内部出现超过该门槛值的情况时，设备会对该情况发出预警。然而，多孔金属材料种类繁多，服役环境复杂，造成上述预警方法极大依赖于技术人员的先验性，大大增加了监测成本；同时，部分声发射特征易受外部环境和噪声影响，造成上述预警有效性难以保证。因此，现有技术面临因通用性、有效性差，失效预警成本高的问题。

技术实现思路

1、为解决现有技术中存在的上述缺陷，本发明提供了一种基于声发射雪崩效应的多孔金属材料失效预警方法和装置，该方法结合了雪崩动力学中的统计方法，获得声发射信号的能量指数的变化以实现多孔金属材料的失效预警，对于多孔金属材料具有通用性；此外，能量指数基于统计方法，对外部环境和噪声具有鲁棒性，雪崩效应的理论为失效预警的有效性提供了保障。

2、本发明是通过下述技术方案来实现的：

3、根据本发明的一个方面，提供了一种基于声发射雪崩效应的多孔金属材料失效预警方法，包括：

4、采集多孔金属材料的声发射信号并获取特征参数；

5、根据特征参数，使用superjerk方法在时间轴上将所述声发射信号划分为多个区间，获取superjerk划分区间的声发射信号分组；

6、根据按照superjerk划分区间的声发射信号分组的特征参数对所述分组进行调整、扩充或合并，获得优化的声发射信号分组；

7、根据所述优化的声发射信号分组中每组信号的特征参数，通过最大似然估计方法确定每个分组的能量指数；

8、根据所述能量指数，对多孔金属材料进行失效预警。

9、优选的，采集多孔金属材料的声发射信号并获取特征参数，特征参数包括多孔金属材料声发射信号的发生时间、最大振幅、振铃计数、持续时间、能量参数和上升时间。

10、优选的，根据特征参数，使用superjerk方法在时间轴上将所述声发射信号划分多个区间，获取superjerk划分区间的声发射信号分组，包括：

11、根据所述声发射信号的发生时间，从前向后遍历声发射信号；

12、遍历过程每找到一个能量更大的声发射信号，记录所述声发射信号为新的superjerk并编号，直到遍历所有声发射信号；

13、每个superjerk声发射信号的发生时间分别作为划分出的区间的开始和结束；

14、根据所述划分区间，将被划分到同一个区间内的声发射信号编为一组。

15、优选的，对所述分组进行调整、扩充，包括：

16、统计每个superjerk划分区间的声发射信号分组包含的声发射信号数量；

17、若所述分组内包含的声发射信号数量低于统计计算需求的最低值，则由所述分组对应的区间开始从后向前寻找声发射信号，将这一部分信号加入所述声发射信号分组中，直到声发射信号数量满足要求；

18、若连续多个superjerk划分区间的声发射分组内包含的声发射信号数量低于统计计算需求的最低值或无法向前寻找足够多的声发射信号，则将连续区间的分组合并。

19、优选的，根据所述优化的声发射信号分组中每组信号的特征参数，通过最大似然估计方法确定每个分组的能量指数，包括：

20、针对每个分组最大似然估计方法确定能量指数；

21、采用kolmogorov-smirnov方法自动搜索合适的幂律行为的能量下界，该方法搜索最小化信号能量的实际分布与估计分布的累积分布函数之间距离的能量下界，该能量下界对应的幂律指数值为最大似然估计的能量指数。

22、优选的，根据所述能量指数，对多孔金属材料进行失效预警，包括：

23、监测所述能量指数随时间的下降，若能量指数持续下降到设定的阈值区间或低于预警值，则发出失效报警。

24、本发明另一方面，提供了一种基于声发射雪崩效应的多孔金属材料失效预警装置，包括：

25、获取模块，用于实时采集多孔金属材料声发射信号，获取特征参数；

26、分组模块，用于根据特征参数对所述声发射信号进行划分，获取superjerk划分区间的声发射信号分组；

27、优化分组模块，用于按照superjerk划分区间的声发射信号分组的特征参数对所述分组进行调整、扩充或合并，获得优化的声发射信号分组；

28、计算模块，用于根据所述优化的声发射信号分组后每组信号的特征参数数据，通过最大似然估计方法确定每个分组的能量指数；

29、失效预警模块，用于根据优化的声发射信号分组能量指数随时间的下降到预警阈值，进行失效报警。

30、根据本发明的另一方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种基于声发射雪崩效应的多孔金属材料失效预警方法的步骤。

31、本发明由于采取以上技术方案，其具有以下有益效果：

32、1.本发明采用superjerk方法在时间轴上将声发射信号划分为多个区间，获取superjerk划分区间的声发射信号分组，划分仅需要声发射信号参数数据而无需额外的先验性信息，自动化程度高。具有关注“打破纪录”的高能量信号的特点，不易受噪声影响，提高区间划分的准确性，减少产生的无效分组数量，进而提高失效预警的响应速度。

33、2.本发明采用对分组进行调整、扩充或合并对声发射信号分组优化，提升统计结果的稳定性，进一步增强失效预警的准确性和抗干扰能力。

34、3.本发明通过最大似然估计方法确定每个分组的能量指数，根据能量指数对多孔金属材料进行失效预警。以雪崩效应统计学分析为理论依据，在不同服役条件下不同多孔金属材料接近失效时，能量指数下降并接近指数的失效理论值，减少了单个异常声发射信号对预警的影响，保证预警具有合理性和高准确性，雪崩效应统计学分析为失效预警的判断提供了理论依据。

35、4.本发明方法具有高自动化、高准确度的特点，可满足长时间连续在线监测的需求。对于不同的服役环境，具有统计学普适性，无需进行确定材料失效门槛值的预实验，降低了预警的时间和经济成本。

技术特征：

1.一种基于声发射雪崩效应的多孔金属材料失效预警方法，其特征在于，包括：

2.根据权利要求1所述的基于声发射雪崩效应的多孔金属材料失效预警方法，其特征在于，采集多孔金属材料的声发射信号并获取特征参数，特征参数包括多孔金属材料声发射信号的发生时间、最大振幅、振铃计数、持续时间、能量参数和上升时间。

3.根据权利要求1所述的基于声发射雪崩效应的多孔金属材料失效预警方法，其特征在于，根据特征参数，使用superjerk方法在时间轴上将所述声发射信号划分多个区间，获取superjerk划分区间的声发射信号分组，包括：

4.根据权利要求1所述的基于声发射雪崩效应的多孔金属材料失效预警方法，其特征在于，对所述分组进行调整、扩充或合并，包括：

5.根据权利要求1所述的基于声发射雪崩效应的多孔金属材料失效预警方法，其特征在于，根据所述优化的声发射信号分组中每组信号的特征参数，通过最大似然估计方法确定每个分组的能量指数，包括：

6.根据权利要求5所述的基于声发射雪崩效应的多孔金属材料失效预警方法，其特征在于，能量指数ε*计算公式为：

7.根据权利要求5所述的基于声发射雪崩效应的多孔金属材料失效预警方法，其特征在于，最大似然估计的能量指数ε表示为：

8.根据权利要求1所述的基于声发射雪崩效应的多孔金属材料失效预警方法，其特征在于，根据所述能量指数，对多孔金属材料进行失效预警，包括：

9.一种基于声发射雪崩效应的多孔金属材料失效预警装置，其特征在于，包括：

10.一种电子设备，其特征在于，包括处理器以及存储器；

技术总结
本发明公开了一种基于声发射雪崩效应的多孔金属材料失效预警方法及装置，采集多孔金属材料的声发射信号并获取特征参数；使用superjerk方法在时间轴上将声发射信号划分为多个区间，获取superjerk划分区间的声发射信号分组；对分组进行调整、扩充或合并，获得优化的声发射信号分组；根据优化的声发射信号分组中每组信号的特征参数，通过最大似然估计方法确定每个分组的能量指数；根据能量指数，对多孔金属材料进行失效预警。该方法获得声发射信号的能量指数的变化以实现多孔金属材料的失效预警，对于多孔金属材料具有通用性；对外部环境和噪声具有鲁棒性，为失效预警的有效性提供了保障。

技术研发人员：丁向东,勾柏元,陈研
受保护的技术使用者：西安交通大学
技术研发日：
技术公布日：2024/1/15