[发明专利]一种针对钢材腐蚀疲劳损伤在线监测的声发射检测方法在审
申请号: | 201910921585.3 | 申请日: | 2019-09-27 |
公开(公告)号: | CN110568083A | 公开(公告)日: | 2019-12-13 |
发明(设计)人: | 李海洋;潘强华;吴瑞 | 申请(专利权)人: | 中北大学 |
主分类号: | G01N29/14 | 分类号: | G01N29/14 |
代理公司: | 11297 北京睿博行远知识产权代理有限公司 | 代理人: | 刘桂荣 |
地址: | 030000 山*** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 声发射信号 时频 子波 声发射检测 广义S变换 疲劳损伤 信息熵 量化 和频 疲劳试验装置 疲劳损伤状态 自适应选取 金属材料 钢材腐蚀 加入控制 疲劳周期 特征变化 信号分量 信息变化 在线监测 高分辨 核函数 时间域 参量 旁瓣 频域 时域 去除 改进 | ||
1.一种针对钢材腐蚀疲劳损伤在线监测的声发射检测方法,其特征在于:该方法包括以下步骤,
步骤一、搭建声发射检测与疲劳试验装置系统:
在腐蚀疲劳试验开始前,正确连接声发射传感器、前置放大器、同轴电缆和声发射仪;
在声发射传感器接触面用耦合剂均匀涂抹好的声发射传感器紧贴于试样两端,将声发射传感器部分用塑料薄膜紧密包裹;
腐蚀疲劳试验声发射检测与信号采集,获取金属疲劳声发射信号x(t);
步骤二、对Marr子波进行改进,去除其旁瓣成分,加入控制参量p和m,p和m根据不同疲劳损伤状态下的声发射信号,自适应选取不同的参数值来调整子波形态;
步骤三、用改进的Marr子波为核函数的广义S变换处理声发射信号x(t),获得声发射信号在时间域和频域域的时频图;
步骤四、采用信息熵的量化方法对具有高分辨的时频图进行信息熵的量化;
通过对不同疲劳周期数下信号的时频成分量化,通过观察平均信息量随着疲劳周期数下的波动程度,在裂纹扩展时声发射信号的平均信息量呈现较低的水平;通过对金属线形缺陷深度下腐蚀疲劳产生的声发射信号进行广义S变换和信息熵处理并进行对比和分析,若时频成分越丰富,信息熵处理后得到的平均信息量就越高,平均信息量在裂纹扩展时期呈现了较小的特征;线形缺陷深度越深,要达到的腐蚀疲劳损伤程度所需的疲劳周期数越少。
2.根据权利要求1所述的一种针对钢材腐蚀疲劳损伤在线监测的声发射检测方法,其特征在于:
在标准拉伸试样的基础上加上了单边深度为3mm的线形缺陷试样,将试样侵入在室温下、含有3.5%NaCl溶液中,进行为期10天的预腐蚀;
将试样安装在腐蚀装置中,安装好后,检查腐蚀容器底部的密闭性,防止NaCl溶液从容器底部渗出,进而腐蚀疲劳试验机的下夹头部分;检查好的安装有试样的腐蚀装置放置在上夹头与下夹头之间,实现试样与上、下夹头之间充分接触和对称布置,试样垂直于水平面,使之在疲劳过程中受力均匀,排除其他干扰;
然后对疲劳试验机进行预热,对试样加载频率为0.2Hz、应力比为0.1的加载应力,然后试样在10%NaCl溶液的喷雾进行在线腐蚀。
3.根据权利要求1所述的一种针对钢材腐蚀疲劳损伤在线监测的声发射检测方法,其特征在于:
改进的Marr子波时间域表达式表示为
其中t是和信号的时域信息对应的时间;
在频率域的表达式为:
其中f为信号的频率;
改进的Marr子波广义S变换的表达式为:
其中t是和信号的时域信息对应的时间,τ是和频率信息所对应的时间;x(t)代表金属疲劳声发射信号,p和m为控制参量。
4.根据权利要求1所述的一种针对钢材腐蚀疲劳损伤在线监测的声发射检测方法,其特征在于:
对某个时频图里的高程信息范围进行分段,设定分段数并计算要分段的间隔值,间隔值由该时频图里的高程信息范围的范围值和分段数决定,令间隔值为J,范围值为r,分段数为d,则:
其中,r=xmax-xmin,xmax和xmin分别为该时频图中高程值的最大值和最小值,本方法中k值取100;
统计每一段di中包含的高程信息的数据个数nj,并计算每一段的概率:
其中l表示的是是时频图里高程信息范围的最大分段数
其中,
用以下公式计算该时频图的信息熵:
5.根据权利要求1所述的一种针对钢材腐蚀疲劳损伤在线监测的声发射检测方法,其特征在于:
在改进的Marr子波为核函数的广义S变换时频图中,通过改变调节因子p和m值的大小来调节子波的形态及时频分辨率,找到与金属受疲劳产生的声发射信号波形接近的理论子波,相比较于高斯窗函数下标准S变换和宽带Marr子波下的广义S变换,对金属疲劳产生的声发射信号具有更强的时频分析能力,能区分信号在时间域和频率域不同的成分,有着与分析信号真实时间、频率间的精细对应关系。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中北大学,未经中北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910921585.3/1.html,转载请声明来源钻瓜专利网。