[发明专利]一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法

摘要

一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法，同时属于声发射技术领域和材料智能表征领域，该方法包括搭载声发射仪的疲劳试验与疲劳损伤无损检测分析两部分，搭载声发射仪的疲劳试验包括材料试样疲劳加载、搭载声发射系统和声发射信号采集，疲劳损伤无损检测分析包括对疲劳过程声发射信号进行特征提取、损伤识别和安全预警。该方法将声发射技术与传统疲劳试验相结合，利用模式识别、统计分析等方法，确定金属材料疲劳过程中声发射信号的特征并做出损伤识别与安全预警，为金属材料疲劳损伤的无损检测分析提供研究方法，具有广泛推广应用价值。

主权项

一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法，其特征在于，所述方法包括搭载声发射仪的疲劳试验与疲劳损伤无损检测分析两部分，所述疲劳损伤无损检测分析将所述搭载声发射仪的疲劳试验中测得的参数计算分析，所述搭载声发射仪的疲劳试验包括材料试样疲劳加载、搭载声发射系统和声发射信号采集，所述疲劳损伤无损检测分析包括声发射信号特征提取、损伤识别和安全预警；所述疲劳损伤无损检测分析具体步骤如下：(1)声发射信号特征提取，将测得的参数信号——上升时间、能量和持续时间与做计数的比值，按照步长n对数据进行参数的均值统计和相关系数分析；(2)损伤识别，首先对临界点前后的数据进行分类，确定每类样本的数量，将稳定扩展阶段的数据量设定为n1，快速扩展阶段的数据量为n0，对于不同阶段的数据根据数据量的差别，赋予不同的权值，对样本进行分类器的训练和测试，按照留一验证的方法进行测试和训练样本的选择，在训练过程中，利用粒子群优化算法PSO对训练集进行参数寻优，并结合最优参数建立最佳损伤识别分类，最后对测试样本进行损伤识别分类；(3)安全预警，以能量/计数作为安全预警的输入进行建模，最小二乘支持向量机LSSVM采用最小二乘系统作为损失函数，将粒子群寻优算法PSO和LSSVM进行结合，采用PSO优化的LSSVM算法计算，并实时动态地进行数据更新和预测及预警。