沈陽工業(yè)大學(xué) 程子靖 于 洋

對(duì)金屬材料進(jìn)行了靜載實(shí)驗(yàn)，以對(duì)金屬材料損傷進(jìn)行趨勢(shì)預(yù)測(cè)，通過聲發(fā)射傳感器采集加載過程中金屬材料釋放出的聲發(fā)射信號(hào)，提取出聲發(fā)射信號(hào)的RMS值，針對(duì)聲發(fā)射信號(hào)RMS值時(shí)間序列建立NAR神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，可以很好地預(yù)測(cè)出聲發(fā)射信號(hào)的變化趨勢(shì)。

聲發(fā)射檢測(cè)作為一種動(dòng)態(tài)無損檢測(cè)技術(shù)，可以利用傳感器接收金屬結(jié)構(gòu)變化內(nèi)部產(chǎn)生的彈性波，無需外部激勵(lì)，對(duì)被檢測(cè)材料不造成任何的影響。聲發(fā)射信號(hào)可以用于金屬材料結(jié)構(gòu)的失效實(shí)時(shí)監(jiān)測(cè)。張一輝等利用聲發(fā)射檢測(cè)技術(shù)Q235B材料的拉伸過程進(jìn)行監(jiān)測(cè)，研究發(fā)現(xiàn)了該材料的損傷狀態(tài)與其聲發(fā)射信號(hào)之間存在著映射關(guān)系。彭國平等對(duì)Q345R疲勞損傷過程產(chǎn)生的聲發(fā)射信號(hào)特征參數(shù)進(jìn)行分析，找出了各階段聲發(fā)射信號(hào)的特征。

1 金屬材料損傷實(shí)驗(yàn)聲發(fā)射信號(hào)分析及處理

用某金屬材料進(jìn)行循環(huán)加卸載的靜載試驗(yàn)，采用氣動(dòng)油壓千斤頂通對(duì)金屬材料進(jìn)行軸向力加載，持續(xù)增加軸向力直到金屬材料產(chǎn)生裂紋，最后金屬材料斷裂。傳感器為物理聲學(xué)公司窄帶諧振式傳感器，中心頻率設(shè)定為150kHz。聲發(fā)射儀器采集門檻設(shè)置為35dB，峰值定義時(shí)間設(shè)置為300μs，撞擊定義時(shí)間設(shè)置為600μs，撞擊鎖閉時(shí)間設(shè)置為1000μs。

1.1 聲發(fā)射信號(hào)分析

聲發(fā)射信號(hào)RMS值的變化曲線可以直接反映出金屬材料損傷趨勢(shì)，并且不會(huì)受到環(huán)境噪聲的影響。當(dāng)被測(cè)設(shè)備處于運(yùn)行階段也可進(jìn)行監(jiān)測(cè)。圖1為金屬材料損傷過程的RMS與時(shí)間關(guān)系圖。

圖1 RMS值隨時(shí)間變化曲線

將本試驗(yàn)下的金屬材料損傷階段劃分為三個(gè)，0到500s為線彈性變形階段、800到1300s為塑性變形階段、1300s后為硬化及斷裂階段。

1.2 聲發(fā)射信號(hào)處理

根據(jù)靜力加載周期對(duì)聲發(fā)射信號(hào)的RMS值每50s取一次最大值，并對(duì)硬化及斷裂階段進(jìn)行異常值處理，將得到的數(shù)據(jù)點(diǎn)進(jìn)行三次樣條插值，得到500個(gè)數(shù)據(jù)點(diǎn)，即金屬材料損傷聲發(fā)射信號(hào)RMS值變化趨勢(shì)。如圖2所示。由圖2可以看出0到500s時(shí)RMS值緩慢增長(zhǎng)，800到1300s材料由于頸縮現(xiàn)象RMS值先減小后線性增長(zhǎng)，1300s后RMS值急劇增長(zhǎng)達(dá)到最大值，材料斷裂后RMS值隨之減小。

圖2 三次樣條插值后的RMS值隨時(shí)間變化曲線

2 聲發(fā)射信號(hào)趨勢(shì)預(yù)測(cè)

2.1 NAR神經(jīng)網(wǎng)絡(luò)

NAR神經(jīng)網(wǎng)絡(luò)模型主要包含輸入層、中間層和輸出層，是一種主要用于統(tǒng)計(jì)分析時(shí)間序列的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型。如果在單向傳遞信息過程中該信息只是單向地從一個(gè)輸入層傳遞信息到下一個(gè)輸出層，中間層的信息沒有任何信息反饋，則該網(wǎng)絡(luò)是靜態(tài)的；如果在單向傳遞信息過程中，輸出層的信息作為輸入信息反饋傳遞到上一個(gè)輸入層中，則這個(gè)網(wǎng)絡(luò)是動(dòng)態(tài)的。由此看出，動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的這一基本性質(zhì)非常適用于時(shí)間序列的分析。

2.2 NAR神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立

樣本總量為500，將數(shù)樣本的訓(xùn)練集比例劃分為為80%、測(cè)試集比例劃分為20%，神經(jīng)網(wǎng)絡(luò)模型的最佳回歸階數(shù)為6，神經(jīng)網(wǎng)絡(luò)模型的最佳隱層節(jié)點(diǎn)數(shù)為15。用設(shè)置好的nar神經(jīng)網(wǎng)絡(luò)模型對(duì)樣本訓(xùn)練。

2.3 預(yù)測(cè)結(jié)果

對(duì)金屬材料塑形變形階段結(jié)束前開始預(yù)測(cè)，取前400個(gè)數(shù)據(jù)點(diǎn)作為訓(xùn)練集，預(yù)測(cè)值與真實(shí)值對(duì)比如圖3。從圖3可以看出，預(yù)測(cè)值與真實(shí)值的趨勢(shì)變化基本吻合，進(jìn)入硬化及斷裂階段后RMS值急劇增長(zhǎng)達(dá)到最大值，隨后材料斷裂，RMS值隨之減小。符合金屬材料損傷硬化及斷裂階段的聲發(fā)射信號(hào)RMS值變化趨勢(shì)。

圖3 nar神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

結(jié)論：本文對(duì)靜載試驗(yàn)下的金屬材料進(jìn)行了聲發(fā)射監(jiān)測(cè)，利用NAR神經(jīng)網(wǎng)絡(luò)建立了金屬材料損傷的聲發(fā)射信號(hào)時(shí)間序列預(yù)測(cè)模型，并對(duì)金屬材料損傷的聲發(fā)射信號(hào)變化趨勢(shì)進(jìn)行了短期趨勢(shì)預(yù)測(cè)。金屬材料損傷過程的聲發(fā)射信號(hào)變化趨勢(shì)具有高度的非線性，由于NAR神經(jīng)網(wǎng)絡(luò)通過機(jī)器學(xué)習(xí)非線性的內(nèi)在影響規(guī)律，NAR神經(jīng)網(wǎng)絡(luò)模型不包含輸入值，不會(huì)受到輸入數(shù)據(jù)的影響，因此，NAR神經(jīng)網(wǎng)絡(luò)對(duì)金屬材料損傷的聲發(fā)射信號(hào)變化趨勢(shì)預(yù)測(cè)周期相對(duì)較長(zhǎng)。使其在金屬材料損傷過程的聲發(fā)射信號(hào)時(shí)間序列趨勢(shì)預(yù)測(cè)中有著較高的預(yù)測(cè)精度。