声发射信号的钢结构损伤识别【字数：11623】
随着现代社会的蓬勃发展，大量的材料以及钢结构得以应用，人们不得不面临随之而来的结构损伤问题。近年来材料科学的损伤识别方法的研究也愈来愈受到重视。本文针对钢结构中的材料损伤问题，结合目前在结构损伤领域应用较为广泛的声发射技术，搭建材料拉伸实验平台。通过声发射仪采集声压信号，并将此信号数据作为研究对象，提出了一种基于声发射信号的损伤特征信息提取的方法。首先通过提取损伤特征向量，构建BP神经网络模型，然后利用提取的声发射信号数据特征训练神经网络，最后用神经网络快速准确识别数据特征并将损伤归类，得到结构服役状态并对损伤缺陷进行预警。
目录
1.绪论1
1.1研究背景及意义1
1.2研究内容及现状1
1.2.1 结构损伤诊断检测的目的1
1.2.2 传统的诊断检测方法2
1.2.3无模型识别方法2
1.2.4基于模型的无反演损伤指数定位方法2
1.2.5声发射信号及信号处理的难点2
1.2.6声发射信号的处理方法3
2.声发射检测拉伸实验4
2.1声发射技术4
2.2拉伸实验系统4
3.实验数据特征提取9
3.1声发射信号时域特征分析9
3.2声发射信号频域特征分析13
3.3 特征向量选取19
4.故障分类模型20
4.1 BP神经网络基本原理20
4.2 神经网络模型构建21
4.3神经网络模型训练测试22
5.全文总结与展望27
参考文献28
致谢29
1.绪论
1.1研究背景及意义
钢结构的工作环境比较恶劣，比如海洋上的石油井架钢结构遭受着各种环境侵蚀和海上风浪不断施加的外力载荷。环境腐蚀和持续的外力载荷可能会导致结构发生损伤，带来安全隐患，威胁人身安全并造成经济损失。因此检测评估钢结构的质量和使用性能，已经被列入工程安全规范中。但是评估检测钢结构的技术手段各不相同，实用性也有比较大的差异。如何准确高效的检测出钢结构的损伤，对安全预防工程中因钢结构损伤导致重大事故的发生有着重要的意义。
*好棒文|www.hbsrm.com +Q: @351916072@
声发射信号提取技术已被广泛地应用于机械故障诊断，电源故障，生物信号分析等领域。一般提取的信号背景噪声大，信噪较低，使特征信号很难被检测识别，增加了基于信号进行特征提取的难度。因此将声发射与钢结构损伤相结合，研究提出一种基于声发射信号特征信息提取的方法，快速准确识别特征信号并将损伤归类就具有重要的实际意义。
钢结构的使用过程中通常有两种类型的损坏：突然损坏和累积损伤。突然伤害是指由天然环境或人为因素造成的结构破坏，使损伤在短时间内达到、超出限值，这类损伤是突发并不可预知的。累积损坏是指长期使用过程中所造成的疲劳、环境腐蚀、材料老化等一系列因素造成的结构损伤。当这些累积达到一定的程度，也会导致结构损坏。累积损伤主要是由结构中的一些微小的损伤裂隙引起的，其损伤是缓慢积累的过程。这些微小的裂纹通常是无法用肉眼或观测仪器看到的，这种潜伏结构内部的损伤往往危险性更大，从而造成严重的安全事故和重大的经济损失。
如何通过一定的技术监测和分析手段来对钢结构的损伤进行诊断检测以及对其服役状态评进行估，已成为当下的研究热点。
1.2研究内容及现状
1.2.1 结构损伤诊断检测的目的
由于结构在使用服役中缺陷和损伤是无法避免的，在实际的使用要求中我们又要尽量避免缺陷和损伤带来的影响，确切地说这就是结构损伤诊断检测的目的。但是为了更加明确地体现结构损伤诊断的目的，学者里特在1993年提出了关于结构损伤诊断目标的四个阶段：第一阶段是要确定结构损伤的存在和位置;第二阶段是能够定量地描述损伤的程度;第三阶段是通过服役状态预测结构的剩余寿命；第四阶段是对结构安全预警。这四个阶段的确立，让损伤诊断有了明确的目标和发展方向。后来人们普遍认为只有实现了上述四个阶段的目标的诊断方法才能算是理想的损伤诊断方法。[1]
1.2.2 传统的诊断检测方法
传统的检测方法有外观检查（如裂纹、变形和局部损伤等）、无损检测（不损坏影响被检测物体的内部组织和使用性能，如超声波、声发射、X射线等）和抽样调查，传统的检测方法主要用于检测材料特性和局部特征缺陷，需要提前了解损坏的大致部分，并且可以接触到损坏的部分。其检测结果主要取决于检测人员的职业经验和主观判断，不能从整体上定量把握结构性能，其最大缺陷是需要提前知道受损区域，且需要接触到被检测区域，而对于一些单靠人力很难到达的区域就束手无策了。[2]
1.2.3无模型识别方法
无模型识别顾名思义就是用于损伤识别的特征量不是由结构模型决定的，其特征向量一般都是直接从振动响应的时间历程和响应的频谱分析中得到，主要应用于传统机械领域。1994年，萨姆曼提出了基于频率响应函数（FRF）的波形识别指数WCC（波形链码）、ATM（自适应温度延迟方法）、SAC。1998年，秦泉等人将该方法首次应用在香港青马大桥的损伤识别上，经过实例分析得出WCC和ATM比SAC具有更好的损伤识别能力，但是它们也有一个共性的问题，就是都无法确定损伤所在的具体位置。[3]
1.2.4基于模型的无反演损伤指数定位方法
该方法是一种通过直接分析模型参数或从试验模型中得到的组合变换，形成损伤识别指标的结构损伤诊断方法。因为损伤前跟损伤后的参数指标是不一样的，所以通过参数指标的前后对比变化可以判断出损伤的位置以及损伤的程度。但是作为损伤判断的参数指标，也必须满足一定条件，首先它必须是一个局部量，并且对损伤的位置具有较为敏感的感触；有明显的位置坐标；对于损伤位置有明显的峰值效应。以下几个都是常用于损伤判断的模型参数指标，比如固有频率、位移振型、振型曲率、刚度矩阵、柔度矩阵、应变模式等。[4]
1.2.5声发射信号及信号处理的难点
虽然声发射信号广泛应用于结构损伤诊断领域，但是其处理技术也面临着很多难以解决的问题，其中最大问题是AE信号源的多样性、信号本身又具有突发性和不确定性。在超声波或涡流诊断检测过程中，可以通过对被测材料中注入信号特性（振幅、频率、波形等)了解，来解释接收信号的相应特性和变化。但是对于声发射检测技术来说，因为不同的声发射源机制可以产生完全不同的声发射信号，所以人们对声发射源机制的理解受到很多条件限制。其次，声发射信号传输路径的影响也是一个不容忽视的问题，但传输路径往往还与声发射信号源位置、被测对象的性质（包括材料、外形和几何尺寸等）、声耦合剂的特性以及声源位置等诸多因素有关系。[5]甚至有时接受传感器安装的位置和使用状况也会影响传输路径。另外，声发射信号很微弱和干扰噪声又比较多也是目前声发射技术发展需要面对的难题。因为以上问题，在声发射技术的发展史上有大量的研究者曾尝试过很多信号处理的方法，使得在现有的无损检测方法中，声发射检测技术包含了最广泛、也最全面的信号处理内容。本论文专题主要用到了最常见的几种声发射信号处理技术，包括时域参数特征分析、频谱分析、神经网络训练等。
目录
1.绪论1
1.1研究背景及意义1
1.2研究内容及现状1
1.2.1 结构损伤诊断检测的目的1
1.2.2 传统的诊断检测方法2
1.2.3无模型识别方法2
1.2.4基于模型的无反演损伤指数定位方法2
1.2.5声发射信号及信号处理的难点2
1.2.6声发射信号的处理方法3
2.声发射检测拉伸实验4
2.1声发射技术4
2.2拉伸实验系统4
3.实验数据特征提取9
3.1声发射信号时域特征分析9
3.2声发射信号频域特征分析13
3.3 特征向量选取19
4.故障分类模型20
4.1 BP神经网络基本原理20
4.2 神经网络模型构建21
4.3神经网络模型训练测试22
5.全文总结与展望27
参考文献28
致谢29
1.绪论
1.1研究背景及意义
钢结构的工作环境比较恶劣，比如海洋上的石油井架钢结构遭受着各种环境侵蚀和海上风浪不断施加的外力载荷。环境腐蚀和持续的外力载荷可能会导致结构发生损伤，带来安全隐患，威胁人身安全并造成经济损失。因此检测评估钢结构的质量和使用性能，已经被列入工程安全规范中。但是评估检测钢结构的技术手段各不相同，实用性也有比较大的差异。如何准确高效的检测出钢结构的损伤，对安全预防工程中因钢结构损伤导致重大事故的发生有着重要的意义。
*好棒文|www.hbsrm.com +Q: @351916072@
声发射信号提取技术已被广泛地应用于机械故障诊断，电源故障，生物信号分析等领域。一般提取的信号背景噪声大，信噪较低，使特征信号很难被检测识别，增加了基于信号进行特征提取的难度。因此将声发射与钢结构损伤相结合，研究提出一种基于声发射信号特征信息提取的方法，快速准确识别特征信号并将损伤归类就具有重要的实际意义。
钢结构的使用过程中通常有两种类型的损坏：突然损坏和累积损伤。突然伤害是指由天然环境或人为因素造成的结构破坏，使损伤在短时间内达到、超出限值，这类损伤是突发并不可预知的。累积损坏是指长期使用过程中所造成的疲劳、环境腐蚀、材料老化等一系列因素造成的结构损伤。当这些累积达到一定的程度，也会导致结构损坏。累积损伤主要是由结构中的一些微小的损伤裂隙引起的，其损伤是缓慢积累的过程。这些微小的裂纹通常是无法用肉眼或观测仪器看到的，这种潜伏结构内部的损伤往往危险性更大，从而造成严重的安全事故和重大的经济损失。
如何通过一定的技术监测和分析手段来对钢结构的损伤进行诊断检测以及对其服役状态评进行估，已成为当下的研究热点。
1.2研究内容及现状
1.2.1 结构损伤诊断检测的目的
由于结构在使用服役中缺陷和损伤是无法避免的，在实际的使用要求中我们又要尽量避免缺陷和损伤带来的影响，确切地说这就是结构损伤诊断检测的目的。但是为了更加明确地体现结构损伤诊断的目的，学者里特在1993年提出了关于结构损伤诊断目标的四个阶段：第一阶段是要确定结构损伤的存在和位置;第二阶段是能够定量地描述损伤的程度;第三阶段是通过服役状态预测结构的剩余寿命；第四阶段是对结构安全预警。这四个阶段的确立，让损伤诊断有了明确的目标和发展方向。后来人们普遍认为只有实现了上述四个阶段的目标的诊断方法才能算是理想的损伤诊断方法。[1]
1.2.2 传统的诊断检测方法
传统的检测方法有外观检查（如裂纹、变形和局部损伤等）、无损检测（不损坏影响被检测物体的内部组织和使用性能，如超声波、声发射、X射线等）和抽样调查，传统的检测方法主要用于检测材料特性和局部特征缺陷，需要提前了解损坏的大致部分，并且可以接触到损坏的部分。其检测结果主要取决于检测人员的职业经验和主观判断，不能从整体上定量把握结构性能，其最大缺陷是需要提前知道受损区域，且需要接触到被检测区域，而对于一些单靠人力很难到达的区域就束手无策了。[2]
1.2.3无模型识别方法
无模型识别顾名思义就是用于损伤识别的特征量不是由结构模型决定的，其特征向量一般都是直接从振动响应的时间历程和响应的频谱分析中得到，主要应用于传统机械领域。1994年，萨姆曼提出了基于频率响应函数（FRF）的波形识别指数WCC（波形链码）、ATM（自适应温度延迟方法）、SAC。1998年，秦泉等人将该方法首次应用在香港青马大桥的损伤识别上，经过实例分析得出WCC和ATM比SAC具有更好的损伤识别能力，但是它们也有一个共性的问题，就是都无法确定损伤所在的具体位置。[3]
1.2.4基于模型的无反演损伤指数定位方法
该方法是一种通过直接分析模型参数或从试验模型中得到的组合变换，形成损伤识别指标的结构损伤诊断方法。因为损伤前跟损伤后的参数指标是不一样的，所以通过参数指标的前后对比变化可以判断出损伤的位置以及损伤的程度。但是作为损伤判断的参数指标，也必须满足一定条件，首先它必须是一个局部量，并且对损伤的位置具有较为敏感的感触；有明显的位置坐标；对于损伤位置有明显的峰值效应。以下几个都是常用于损伤判断的模型参数指标，比如固有频率、位移振型、振型曲率、刚度矩阵、柔度矩阵、应变模式等。[4]
1.2.5声发射信号及信号处理的难点
虽然声发射信号广泛应用于结构损伤诊断领域，但是其处理技术也面临着很多难以解决的问题，其中最大问题是AE信号源的多样性、信号本身又具有突发性和不确定性。在超声波或涡流诊断检测过程中，可以通过对被测材料中注入信号特性（振幅、频率、波形等)了解，来解释接收信号的相应特性和变化。但是对于声发射检测技术来说，因为不同的声发射源机制可以产生完全不同的声发射信号，所以人们对声发射源机制的理解受到很多条件限制。其次，声发射信号传输路径的影响也是一个不容忽视的问题，但传输路径往往还与声发射信号源位置、被测对象的性质（包括材料、外形和几何尺寸等）、声耦合剂的特性以及声源位置等诸多因素有关系。[5]甚至有时接受传感器安装的位置和使用状况也会影响传输路径。另外，声发射信号很微弱和干扰噪声又比较多也是目前声发射技术发展需要面对的难题。因为以上问题，在声发射技术的发展史上有大量的研究者曾尝试过很多信号处理的方法，使得在现有的无损检测方法中，声发射检测技术包含了最广泛、也最全面的信号处理内容。本论文专题主要用到了最常见的几种声发射信号处理技术，包括时域参数特征分析、频谱分析、神经网络训练等。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/jdgc/381.html
