楊宇，王彬文，祁小鳳

中國飛機強度研究所 智能結構與健康管理技術研究室，西安 710065

全尺寸民機結構疲勞試驗是暴露民機結構設計薄弱部位、制定合理檢查維修間隔及確定民機結構壽命的重要手段。因此，及時準確地發(fā)現結構損傷是全尺寸結構疲勞試驗的首要任務。目前，主要的損傷監(jiān)測方式是基于人工巡檢，結合試驗監(jiān)測數據(載荷、應變數據等)，再利用無損檢測手段(紅外熱成像、超聲、渦流等)來發(fā)現及測量損傷。然而，即使是基于如此嚴格的檢查程序，仍然時常發(fā)生損傷漏檢事件，輕者無法準確獲知損傷萌生時間，重者損傷尺寸擴展過大引起試驗機損壞，并由此引發(fā)試驗停滯，嚴重影響試驗進度，為飛機型號研制工作帶來重大損失。

基于人工的損傷檢查方式受人員個體素質影響嚴重，而且由于民機結構異常復雜，很多部位人工檢查無法到達，因此，依托先進傳感器網絡實現結構損傷的自動實時監(jiān)測，是解決上述問題的必然途徑。其中，基于聲發(fā)射的結構損傷監(jiān)測是一種非常有效的手段。在外界作用(應力、溫度)下，結構材料內部會發(fā)生微觀狀態(tài)的變化(變形或裂紋萌生等)從而以彈性波的形式釋放能量，而該彈性波攜帶有該狀態(tài)變化的特征信息。利用壓電元件將彈性波轉換為電信號，對這些電信號進行放大和處理，即可實現對損傷的識別，即為聲發(fā)射監(jiān)測。聲發(fā)射信號的分析方法有：波形分析法和參數分析法。波形分析法是指以信號時域波形和頻譜為主的一種信號描述方法，適用于任何信號類型，具有抗干擾能力強、一一對應的優(yōu)點。但是，波形分析法還具有復雜性高、工作量大的缺點，因而其在工程應用中難以大規(guī)模推廣應用。參數分析法是對信號波形進行參數量化描述的一種信號分析方法，具有簡單、可靠、快速、直觀的特點，目前廣泛應用于各種工程化檢測應用中，是最為成熟的聲發(fā)射信號分析技術。量化表征聲發(fā)射信號的參數稱為聲發(fā)射特征參數。常用的聲發(fā)射信號特征參數有：峰值幅度、絕對能量、中心頻率、持續(xù)時間等。

近年來，隨著計算機技術及電子技術的迅猛發(fā)展，聲發(fā)射技術也取得了巨大進步。目前，已形成了商業(yè)化成熟的AE(Acoustic Emission)監(jiān)測設備及數據分析軟件，在巖土、航天、交通等多項領域，聲發(fā)射也取得了有效的應用。在航空領域，利用聲發(fā)射技術對航空結構疲勞試驗進行健康監(jiān)測也正成為國內外技術人員的重要關注點。

在國外，美國麥道公司就曾使用聲發(fā)射技術對F15、F16飛機的全機疲勞試驗結構裂紋擴展情況進行了監(jiān)測，并取得了一定的成果，但是由于技術封鎖，其實現關鍵技術及細節(jié)尚未可知。此外，Lehmann等通過建立AE數據分析模型對航空復合材料結構沖擊損傷過程中的聲發(fā)射特征參數進行分析，結果表明聲發(fā)射可用于預測沖擊故障，但可靠性仍然較低。英國Cardiff大學Hensman等提出了一種基于空間掃描技術的聲發(fā)射異常事件活躍性檢測方法，并在空客A320主起落架疲勞試驗中進行了試驗驗證，表明空間掃描技術是檢測結構損傷萌生的一種極其有效的技術。Haile等提出了一種分布式聲發(fā)射傳感器網絡和數據處理算法，并利用護衛(wèi)傳感器以及多種采集控制時間參數對聲發(fā)射信號進行了噪聲過濾，初步實現了基于聲發(fā)射的全尺寸航空航天系統(tǒng)結構健康監(jiān)測。Holford等等對飛機金屬起落架疲勞裂紋聲發(fā)射識別技術開展了數年系統(tǒng)性研究，通過引入AIC(Akaike Information Criterion)到達時間估算算法、DeltaT定位技術、基于在線半徑的聚類算法(On-line Radius-based Clustering Algorithm，ORCAL)及基于快速小波變化的聲發(fā)射特征值方差評估技術等多種信號處理技術，構建了一種可在復雜幾何結構及高噪聲工業(yè)環(huán)境中使用的聲發(fā)射疲勞裂紋識別和精確定位方法。其中的DeltaT定位技術涉及到網格的精細劃分及重復打點等建立數據庫環(huán)節(jié)，這在大型民機全尺寸試驗應用時可能面臨著難以具體實施的問題。

在國內，耿榮生和景鵬利用聲發(fā)射技術對某型軍用飛機全尺寸疲勞試驗進行裂紋監(jiān)測，并利用多參數識別和相關技術獲取了裂紋萌生所產生的聲發(fā)射信號，成功預報出主梁螺栓孔長度不足0.5 mm裂紋的萌生。劉文斌等在某型軍用飛機疲勞試驗過程中的關鍵結構監(jiān)測中采用了聲發(fā)射檢測技術，并成功預報了右外翼三墻處某螺栓孔裂紋的萌生，為試驗的順利進行起到了重要保障。Qi等通過聲發(fā)射技術對飛機垂直尾翼疲勞試驗期間的健康狀態(tài)進行了監(jiān)測，利用空間濾波和AE線性定位分析方法，成功預測了梁與主結構連接位置間的兩條疲勞裂縫，證明了聲發(fā)射技術在飛機垂直尾翼疲勞試驗監(jiān)測中的有效性。祁小鳳等開展了隨機載荷譜下基于聲發(fā)射的航空耳片接頭疲勞裂紋識別方法研究，通過分析不同載荷譜塊下相同循環(huán)時段所對應的聲發(fā)射撞擊計數變化趨勢來發(fā)現、鎖定異常，并結合定位分析與干擾排除分析,確定出裂紋發(fā)生時間及位置，該方法的有效性在耳片接頭疲勞試驗中得到了初步驗證。此外，Huo等開展了飛機疲勞裂紋聲發(fā)射信號模式識別研究，利用波形分析和SOM(Self Organizing Maps)神經網絡方法對聲發(fā)射信號進行分析處理可獲得疑似裂紋的聲發(fā)射信號特征。

但是，由于面向的監(jiān)測對象層級及試驗載荷形式均有所不同，因此上述方法在全尺寸民機結構疲勞試驗中使用時仍具有一定的局限性，不能直接遷移發(fā)揮作用?？紤]到大型民機疲勞試驗監(jiān)測具有監(jiān)測部位多而復雜、監(jiān)測周期長、試驗加載復雜的特點，本文開展了面向全尺寸民機結構疲勞試驗的聲發(fā)射監(jiān)測關鍵技術研究，擬利用先進的數據處理能力，配合相應的聲發(fā)射方法來提高全尺寸民機結構疲勞試驗中的聲發(fā)射監(jiān)測技術能力，以為中國型號試驗提供支持。

1 研究思路

1.1 問題描述

目前，在聲發(fā)射已成熟應用的領域，監(jiān)測對象大都具有被監(jiān)測結構簡單、監(jiān)測過程加載情況簡單及試驗周期短的特點，最典型的為航天鈦合金壓力容器焊縫聲發(fā)射監(jiān)測。針對此類監(jiān)測，采用商業(yè)化的數據分析處理技術及常規(guī)分析方法即可實現聲發(fā)射監(jiān)測。

而對于全尺寸民機結構疲勞試驗聲發(fā)射監(jiān)測，不僅監(jiān)測結構復雜(見圖1)，而且加載情況也極為多變復雜(見圖2)，大型全尺寸結構在上百個加載點同時加載的作用下，結構內部因為間隙、摩擦、變形、損傷等原因將產生非常復雜的噪聲信號(見圖3)，將損傷信號完全湮沒。由于全機疲勞試驗的載荷譜一般為隨機載荷譜，因此這些聲發(fā)射噪聲信號也呈現出明顯的隨機性、非周期性，并且其特征參數的分布范圍也較為廣泛、分散(如在門檻為40 dB時，幅值范圍為40～99 dB，中心頻率120～300 kHz，上升時間0～65 535 μs， 持續(xù)時間1～10μs)，沒有呈現出明顯的集中分布規(guī)律，因而無法提取出有效特征將其濾除。這直接導致了一方面聲發(fā)射數據量急劇增加，常規(guī)處理技術(一般為依靠商業(yè)化的聲發(fā)射數據處理軟件進行回放及圖形顯示)無法應對，另一方面也致使常規(guī)的損傷識別技術(一般為基于幅值/能量/持續(xù)時間等各種特征參數變化規(guī)律的損傷識別方法)失效。

圖1 民機結構疲勞試驗現場圖Fig.1 Fatigue test of civil aircraft

圖2 民機結構疲勞試驗載荷譜Fig.2 Load spectrum of civil aircraft fatigue test

圖3 全機疲勞試驗下的聲發(fā)射噪聲信號幅值-時間圖Fig.3 Amplitude vs time plot of AE noise under civil aircraft fatigue test

如上文所述，針對全機疲勞試驗聲發(fā)射監(jiān)測所存在的問題，聲發(fā)射專業(yè)技術人員也提出了一些解決方案，但仍存在著漏檢與誤判的問題，因此新的損傷識別方法亟待提出。

1.2 解決思路

典型的全尺寸民機結構疲勞試驗載荷一般為飛-續(xù)-飛隨機載荷譜，通常由個周期性的載荷譜塊組成，即:一個譜塊按照1/設計服役目標確定，整個壽命期由該譜塊重復次進行模擬。一個譜塊通常由次飛行起落構成，而每次飛行起落按照飛行起落各任務段載荷隨機次序一般由少至幾十個多至幾千個不同的工況組成，通?？蓜澐譃锳、B、C、D、E等類飛行類型。每類飛行載荷譜由等幅譜、定態(tài)譜和各使用情況相同載荷級別的隨機譜構成。

據此可知，雖然整個載荷譜為隨機譜，但是在加載過程中仍有規(guī)律可依，即試驗采用類飛行起落形式進行施載。借助這種規(guī)律，本文提出了一種基于載荷同步的聲發(fā)射損傷識別技術，如圖4所示，其核心思想及解決途徑為：

圖4 基于載荷同步的聲發(fā)射損傷識別技術流程圖Fig.4 Flow chart of acoustic emission damage identification technology based on load synchronization

1) 利用同步模塊實現聲發(fā)射數據采集系統(tǒng)與試驗加載系統(tǒng)的同步。

2) 依據各飛行起落的載荷嚴重程度(即飛行起落類型)，對載荷譜進行有效劃分。

3) 基于同步結果，據載荷譜類型對聲發(fā)射數據進行自動分割、提取及統(tǒng)計。

4) 對同類型載荷譜下聲發(fā)射信號HIT(撞擊數)總數進行分析，以發(fā)現鎖定異常。分析時，可首先做出各類型載荷譜下的HIT總數隨飛行起落變化的趨勢圖，以通過觀察趨勢圖發(fā)現明顯異常數據點。若無明顯異常，再利用3準則進行異常判別。對于同類載荷譜來說，在監(jiān)測區(qū)域無損傷的情況下，其對應的聲發(fā)射撞擊總計數僅含有隨機誤差，因此其分布滿足正態(tài)分布。在正態(tài)分布中，各數據點的隨機誤差符合3準則。因此，采用式(1)～式(3)所列的3準則公式即可實現異常信號的判定。

5) 最后，利用如圖5所示的異常評估算法，對異常信號進行評估，從而實現聲發(fā)射損傷的可靠預警。

圖5 異常評估算法流程Fig.5 Flow of anomaly evaluation algorithm

(1)

為某類飛行譜對應的第個聲發(fā)射樣本數據點(聲發(fā)射撞擊計數)，此處使用的均為無損傷階段的樣本數據點。

(2)

式中：為用于計算樣本標準差。

(3)

式中：為某類飛行譜對應的第個聲發(fā)射撞擊計數，應大于式(1)中的，利用式(3)可實現某類飛行譜下數據點是否異常的判定。

2 試驗與驗證

2.1 試驗介紹

以國內某型全尺寸飛機結構疲勞試驗為對象，對其關鍵部位進行了聲發(fā)射監(jiān)測，監(jiān)測部位主要包括機身框環(huán)向對接區(qū)及機翼盒段等主承力結構。

由于聲發(fā)射屬于動態(tài)監(jiān)測技術，為避免漏檢，監(jiān)測時采用試驗全程連續(xù)監(jiān)測方式。此外，為實現聲發(fā)射系統(tǒng)與試驗加載系統(tǒng)的同步功能，監(jiān)測時需將載荷譜作為外參數接入聲發(fā)射采集系統(tǒng)。由于全機疲勞試驗載荷譜加載周期一般約為8 s(0.125 Hz)，因此根據奈奎斯特采樣定律，外參數采樣率(即AE win軟件中的時間驅動率)應不小于0.25 Hz。試驗時，為完整復現載荷波形，本研究采用20 Hz時間驅動率設置。

聲發(fā)射監(jiān)測采用美國PAC公司的PCI-EXPRESS型聲發(fā)射采集設備進行聲發(fā)射信號的采集。其中，信號處理軟件AE win的關鍵參數設置為：采集門檻40 dB，前置放大器增益40 dB，模擬濾波器帶寬100～400 kHz，波形采樣率1 MHz， 采樣長度3K，PDT(峰值定義時間)300 μs， HDT(撞擊定義時間)600 μs，HLT(撞擊閉鎖時間)1 000 μs。

2.2 數據處理

根據1.2節(jié)研究思路描述可知，基于載荷同步的聲發(fā)射損傷識別技術涉及到同步、數據分割提取等操作，因此在損傷識別前應首先進行數據同步以及數據快速提取。此外，由于大量無法濾除噪聲的存在以及監(jiān)測采用試驗全程連續(xù)監(jiān)測方式，因此也面臨著數據量極為龐大的問題，因此損傷識別前期工作還應包括數據快速清洗操作。

1) 數據快速清洗

為降低數據規(guī)模便于后續(xù)數據傳輸及分析，對AE原始數據進行了基于剔除組合的快速清洗，具體清洗思路為：首先，根據聲發(fā)射信號原始記錄文件的數據結構特點，設計剔除模塊自動提取出其中有用的、關鍵的信息(諸如撞擊信號的幅值、能量、持續(xù)時間等特征參數)，濾除非必要信息(諸如占據大量存儲空間的原始波形信息)，實現聲發(fā)射監(jiān)測數據量的大幅降低；然后，再設計整合模塊對剔除得到的離散數據文件進行組合，從而實現數據規(guī)模的精簡和高效管理，具體程序流程見圖6。

圖6 基于剔除組合思想的數據清洗流程圖Fig.6 Flow chart of eliminating and integrating modules

2) 數據同步

數據同步用于實現AE數據與試驗加載工況的同步，建立起AE數據與試驗工況的時間對應關系。在常規(guī)試驗中，采用外接試驗載荷的方式即可實現聲發(fā)射數據與試驗加載的同步，但是對全機疲勞試驗，由于其載荷譜即為隨機載荷譜，以及整個加載過程極為復雜，因此僅依靠外接載荷電壓無法實現基于載荷同步聲發(fā)射損傷識別技術中所要求的同步功能。

基于此，本文通過引入全機疲勞試驗第三方數據即試驗記錄的應變數據，并將其與聲發(fā)射系統(tǒng)記錄的載荷譜波形結合起來，實現所需的數據同步功能。

其主要思想為：借助試驗工況的應變域時間記錄，通過計算聲發(fā)射域與應變域時差，采用時域轉化、誤差補償等處理從而建立起聲發(fā)射數據與試驗工況的時間對應關系，涉及到的計算過程見式(4)～式(8)，其中各變量所處的時間和空間位置關系見表1。

表1 同步計算過程涉及到的變量所處時空位置表Table 1 Relationship between variables and time domain involved in synchronous calculation

Δ=-1

(4)

(5)

(6)

(7)

(8)

3) 數據快速提取

數據提取是以同步環(huán)節(jié)輸出的各飛行起落時間信息為依據，通過構建聲發(fā)射數據快速解析重構算法及載荷譜處理算法，來實現各飛行類型聲發(fā)射數據提取及HIT特征參數自動統(tǒng)計，其具體實現流程參見圖7。

圖7 聲發(fā)射數據快速提取流程圖Fig.7 Extraction scheme of AE data based on Python

2.3 試驗結果及分析

結合以下2個案例對基于載荷同步的聲發(fā)射損傷識別技術在損傷預警及識別方面的效果予以闡述。

2.3.1 機翼盒段預制裂紋擴展分析

試驗時，在機翼盒段預制裂紋周邊布置了2個聲發(fā)射傳感器，其通道編號為10#、11#。以下秉承上文所述“發(fā)現異常并判別異?！钡乃枷雽Υ颂幝暟l(fā)射信號進行分析。

采集得到的原始聲發(fā)射數據在經過清洗、同步、分譜塊提取及HIT數統(tǒng)計等處理后，可得到各起落對應的聲發(fā)射數據及HIT特征參數統(tǒng)計數值。圖8是依據HIT特征參數統(tǒng)計數值做出的E類飛行類型聲發(fā)射撞擊總數隨起落序號的變化趨勢圖。從圖中可觀察到，717起落相比其他同譜型起落，其HIT總數明顯增大。另外，采用式(1)～式(3)計算，也發(fā)現其值同樣滿足上文所述的3準則(計算過程略)，因此可以判定717起落下其聲發(fā)射HIT總數為異常數據點。

圖8 E類譜10#及11#通道的HIT數隨起落變化趨勢Fig.8 Trend of hit number of 10# and 11# channels with the number of landing under E spectrum

接下來依據圖5所示的異常評估算法對該異常數據點進行評估，以判斷其是由損傷引起的還是由其他干擾因素(諸如人為干擾、加載系統(tǒng)異常等)造成的：

1) 對比異常717起落(圖9)與正常起落(圖10)下的聲發(fā)射撞擊信號幅值-時間分布圖，可以發(fā)現717起落撞擊計數異常是由圖9中的3個紅色圈注部分信號異常引起的。查閱紅色圈注部分對應時段的監(jiān)測日志記錄或視頻記錄，確定此時段不存在明顯人為干擾，諸如無損檢測人員正在實施檢測等。以往分析中，曾有過此類情況，在某起落聲發(fā)射HIT總數出現異常時，立即查閱異常信號時段試驗日志，可明顯看到在此期間有無損檢測人員在此處實施檢測的記錄，因此可認為此異常因人為引起。此處不存在檢測行為的記錄，可排除人為干擾因素。

圖9 717起落10#通道聲發(fā)射撞擊信號幅值-時間分布Fig.9 Amplitude-time distribution of acoustic emission signals of 10# channel for landing 717

圖10 正常起落(582)10#通道聲發(fā)射撞擊信號幅值-時間分布Fig.10 Amplitude-time distribution of acoustic emission signals of 10# channel for normal landing

2) 理論上，同類載荷譜，其加載波形應完全一致，但實際加載過程中時常會出現同載荷譜實際加載譜存在差異的情況，當差異較大時會引起同載荷譜下聲發(fā)射HIT數異常的情況。因此，為排除此項影響，還應查詢717起落下其他監(jiān)測部位通道信號是否同樣出現異常。若皆出現類似變化趨勢，說明異常是由加載引起的共性問題。若其他通道皆無異常，可排除加載異常的影響。此處，其他通道在717起落并未出現異常(參見圖11)，因此可排除加載異常原因。

圖11 E類譜下6#通道的HIT數隨起落變化趨勢Fig.11 Trend of hit number of 6# channel with the number of landing under E spectrum

3) 由于此通道異常系首次出現，因此暫無法開展同通道不同起落下異常特征參數是否相似的對比。但是，機翼盒段預制裂紋周邊布置的10#、11#傳感器距離較近(10 cm)，形成了線定位，因此可開展定位集中程度分析。從圖12可以看出圖9中異常信號出現的時段內，聲發(fā)射信號集中定位于50 cm附近，即預制裂紋位置處，說明聲發(fā)射來源于此，表明裂紋出現了擴展。

圖12 10#通道與11#通道線性定位結果Fig.12 Linear positioning results of 10 # channel and 11 # channel

當天試驗暫停后，無損檢測人員對上述重點關注部位(見圖13)通過滲透技術進行了檢測，判定出此處確實發(fā)生了裂紋擴展，表明基于載荷同步的AE損傷識別技術在全機疲勞試驗損傷監(jiān)測中是有效的。

圖13 機翼盒段預制切口裂紋擴展圖Fig.13 Crack propagation diagram of prefabricated notch of wing

2.3.2 機身下壁板漏氣分析

按照上述相同方法對機身下壁板位于機身41長桁66框處的32#聲發(fā)射傳感器信號進行了分析。圖14是32#通道在E譜下的聲發(fā)射撞擊總數隨起落序號的變化趨勢圖。從圖中可看出，隨著試驗的進行，該通道撞擊總數出現了多處極為明顯的異常變化，其中紅色圈注部分為2處最為明顯的突變。

圖14 E譜下的32#通道HIT數隨起落變化趨勢Fig.14 Trend of hit number of 32# channel with the number of landing under E spectrum

以下同樣按照圖5所示的異常評估算法針對異常進行分析：

1) 圖15是HIT數值較低起落(以4 800起落為例)下的32#通道聲發(fā)射撞擊信號幅值-時間分布圖。圖16是HIT數值較高起落(以5 242起落為例)下的32#通道聲發(fā)射撞擊信號幅值-時間分布圖。從中可以發(fā)現，第5 242起落下，在充壓載荷達到最大并保載期間，32#通道出現了大量幅值較低的密集信號(參見圖16中的紅色圈注部分)，從而導致該起落下HIT數值急劇增加。

圖15 4 800起落下32#通道聲發(fā)射撞擊信號幅值-時間分布Fig.15 Amplitude-time distribution of acoustic emission signals of 32# channel for landing 4 800

圖16 5 242起落下32#通道聲發(fā)射撞擊信號幅值-時間分布Fig.16 Amplitude-time distribution of acoustic emission signals of 32# channel for landing 5 242

2) 查看此時段試驗日志，確定無實施檢測記錄，可排除人為干擾因素。另外，經查發(fā)現其他監(jiān)測部位的傳感器信號在此期間未出現如此異常，因此也可排除加載異常原因。

3) 由于32#通道出現了多次異常，因此可開展同通道不同起落下異常特征參數是否相似的對比。經查，各異常起落(HIT數值較高起落)，其異常信號均出現在高充壓載荷下，且其幅值范圍為45～50 dB，持續(xù)時間為200～600 μs，絕對能量為50～550，中心頻率在120 kHz左右。結合以往監(jiān)測經驗，漏氣通常出現在充壓載荷保載期間，與上述現象吻合，因此可給出32#通道附近存在機艙漏氣點的結論。經試驗承試方確定，32#通道確實存在一漏氣點(見圖17黃色部分)。這一監(jiān)測結果也驗證了基于載荷同步的AE損傷識別技術在全機疲勞試驗損傷監(jiān)測中的有效性。

圖17 漏氣點Fig.17 Air leakage point

3 結 論

本文開展了面向全尺寸民機結構疲勞試驗的聲發(fā)射監(jiān)測研究，提出了一種基于載荷同步的聲發(fā)射損傷識別技術，該技術基于數據清洗、數據同步、數據分割提取及異常判別實現，解決了常規(guī)處理技術及常規(guī)全損傷識別技術無法在全機疲勞試驗中無法使用的問題，實現了全尺寸飛機結構疲勞損傷的可靠識別，且具有損傷識別率高及分析處理效率高的特點。

經試驗驗證，該方法可在全尺寸飛機結構疲勞試驗中成功實現損傷識別，其有效性得到了初步驗證，因而可為全尺寸飛機結構疲勞試驗損傷在線監(jiān)測提供參考。