[发明专利]一种用于声发射信号中包含的复合材料损伤类型分离方法

说明书

本发明提供一种用于声发射信号中包含的复合材料损伤类型分离方法，属于损伤识别的声发射信号处理方法。该方法通过对复合材料力学测试系统中采集的声发射信号进行集合经验模态分解，获得固有模态函数，对固有模态函数进行快速傅里叶变换以提取其峰值频率，进而使用峰值频率来识别复合材料的损伤类型；如果固有模态函数存在模态混叠现象，应用解运算方法能够分离出固有模态函数中仍然含有的几种损伤类型。通过本发明提出的由集合经验模态分解方法和解运算相结合的方法，能够彻底分离出一个声发射信号中含有的复合材料损伤类型，为精确预测复合材料构件失效提供了有效途径。

技术领域

本发明属于材料无损检测技术领域，具体涉及一种通过加载过程中产生的声发射信号来区分复合材料损伤类型的方法。

背景技术

纤维增强复合材料凭借其区别于金属材料的优异特性，在航空航天、高铁、风电等工程领域内应用发展较快。随着复合材料在各行各业越来越广泛地应用，其性能也越来越受到学者们的关注，尤其是损伤问题的预测方面。复合材料层合结构铺层形式多样，其显著的各向异性特性使得损伤形成机制比较复杂。复合材料层合板结构的损伤模式有纤维断裂、基体开裂、纤维基体界面剥离、分层及纤维抽拔破坏等，一般来说，这几种损伤模式并不是独立发生的，而是两种或者多种相互交叉、相互关联，并且是渐进发展的，这些因素给复合材料的损伤识别和预测带来了一定的困难。

声发射技术是靠材料在受载时产生的弹性波来有效获取材料内部状态和损伤演化的一种实验方法。目前，声发射技术发展较快，其采样频率能够达到几MHz，也就是说，同一时刻，不管同时发生几种损伤类型，都能被采集到一个声发射信号中。复合材料的损伤机制非常复杂，在高采样率的声发射信号中可能混杂了几种损伤信息，这样给从一个声发射信号中提取其包含的各种损伤类型带来了一定的挑战。

部分研究人员应用小波变换和经验模态分解来分析声发射信号，小波分析在应用中需要人为的选择小波基，因此缺乏自适应性，分析结果高度依赖于分析者的经验。经验模态分解对声发射信号能够进行自适应分解，但存在模态混叠现象，不能彻底分离声发射信号中包含的所有损伤信息。

(一)解决的技术问题

针对现有的复合材料损伤类型难以有效识别的技术问题，本发明提出了一种用于声发射信号中包含的复合材料损伤类型分离方法。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种用于声发射信号中包含的复合材料损伤类型分离方法，包括如下步骤：

S1、将制作好的复合材料层合板加工成标准拉伸试样，将试样装夹于万能材料试验机上，在声发射传感器与试样之间涂抹耦合剂，用胶带将传感器固定于试样表面，根据断铅试验结果设置适当的声发射仪采集参数；

S2、采集声发射信号，对试样开始进行拉伸加载，在加载过程中将由于复合材料发生损伤时产生的声发射信号保存在声发射工作站中；

S3、对声发射信号进行集合经验模态分解，对分解得到的每阶固有模态函数进行快速傅里叶变换；

S4、对任意相邻两阶固有模态函数进行相关性分析，计算其相关系数；

S5、如果相邻两阶相关系数的差值大于0.5，则对这两阶固有模态函数进行解相关运算，获得相应的峰值频率，综合步骤S3中傅里叶变换得到的峰值频率，用于区别复合材料各种损伤类型。

根据本发明的一实施例，所述步骤S3中，集合经验模态分解包括以下步骤：

S3.1、将M次白噪声序列加入到声发射信号f(t)中；

S3.2、对加入白噪声后的分析信号进行均值曲线构造，计算信号的局部最大值和局部最小值，运用三次样条方法形成上包络线和下包络线，计算局部最大值和局部最小值的平均值m(t)，然后计算和m(t)之间的差值，得到h(t)；