實驗名稱:基于異常指數(shù)的鋁板損傷量化表征
研究方向:損傷量化
測試目的:
結構損傷檢測與量化評估對于保障航空、航天、船舶、石油化工及兵器工業(yè)等領域的基礎設施結構安全性具有重要意義,受到了廣泛的關注。在現(xiàn)有的結構監(jiān)測技術中,超聲導波檢測技術具有檢測范圍廣,速度快,對結構內部損傷敏感,安全方便,且成本低廉,在薄板構件的無損檢測和健康監(jiān)測中具有良好的應用潛力。
圖1:傳感信號時域損傷信號提取
超聲導波信號具有短程非平穩(wěn)性,且易受到外界干擾因素的影響,為了實現(xiàn)微弱缺陷信號的增強,許多研究者采用了時間反轉聚焦方法圳、相控聚焦方法、虛擬反轉聚焦法等來提高Lamb波信噪比、增強缺陷損傷信號,但這些技術不僅實際操作步驟復雜,而且在聚焦過程中容易出現(xiàn)其他的雜波,影響損傷檢測結果。一般來說,原始損傷特征對初始損傷和細微退化趨勢的敏感度不高。單個損傷特征只能反映結構系統(tǒng)的部分或特定方面的狀態(tài),無法對結構損傷進行全面準確的評估,而多域高維特征往往包含大量“冗余”信息不僅帶來“維數(shù)災難”問題,而且損傷狀態(tài)評估的準確性,因此,有必要在損傷敏感特征篩選的基礎上,通過特征融合以建立一個綜合損傷評估指數(shù),實現(xiàn)對結構損傷狀態(tài)進行統(tǒng)一描述與準確評估。因此,本文引入了基于自組織特征映射(self-organizing feature mapping,SOM)的敏感損傷特征融合方法,以構建能夠全面評估鋁板損傷的統(tǒng)一指數(shù)。
測試設備:ATA-8202射頻功率放大器、信號發(fā)生器、激光測振動儀、待測鋁板。
實驗過程:
為了更好的驗證AI對鋁板損傷評估的優(yōu)越性,本節(jié)將通過鋁板彎曲疲勞循環(huán)實驗來證明,如下圖所示。由激發(fā)裝置產(chǎn)生的Lamb波在鋁板中傳播一定距離后被傳感器接收,其中實驗材料為400mmx40mmx15mm的鋁板,無約束地平行放置在海綿塊上。由函數(shù)信號發(fā)生器生成中心頻率500kHZ的10周期Lamb激勵信號,脈沖群被ATA-8202射頻功率發(fā)射器后傳遞至鋁板中,由全場掃描式激光測振儀接收。在彎曲疲勞次數(shù)為0、1、2、3、4、5、6、7、8、9時,分別記錄導波信號的激發(fā)-接收實驗數(shù)據(jù),提取的18組特征參數(shù)。
圖2:鋁板曲疲勞循環(huán)試驗的示意圖
實驗結果:
為了對鋁板彎折損傷進行一致性表征,采用30次同等測試條件下獲得的無損信號的敏感特征向量作為訓練樣本,建立SOM模型,繼而計算各個彎折損傷板的異常指數(shù)。結果如下圖(a)所示??梢姡疚奶岢龅漠惓V笖?shù)與鋁板彎折次數(shù)間具有更好的線性相關性。為了驗證基于SOM的AI對損傷狀態(tài)評估的優(yōu)越性,以無損狀態(tài)下的30次測量得到的敏感特征的平均值組成的特征向量為無損基準,采用損傷狀態(tài)下的F到基準的歐氏距離作為損傷評價指標,結果如下圖(b)所示,從下圖(a)可以看出,AI值隨彎曲疲勞次數(shù)線性增加,且AI值分散在擬合曲線的兩側,與疲勞彎曲次數(shù)間的線性相關性較高。下圖(b)中,盡管基于歐氏距離的損傷值具有隨彎曲次數(shù)增加而增加的趨勢,但損傷值大多分散在擬合曲線的下方,與彎曲次數(shù)的線性相關度較差,對損傷演化的敏感性較差。圖(a)中AI指數(shù)與彎曲次數(shù)間較好的線性相關性驗證了AI指數(shù)對鋁板彎折損傷程度具有較好的量化表征能力,證實了其表征鋁板疲勞損傷的有效性與敏感性。
圖3:鋁板量化評估結果
安泰ATA-8202射頻功率放大器:
本文實驗素材由西安安泰電子整理發(fā)布。Aigtek已經(jīng)成為在業(yè)界擁有廣泛產(chǎn)品線,且具有相當規(guī)模的儀器設備供應商,樣機都支持免費試用。西安安泰電子是專業(yè)從事功率放大器、高壓放大器、功率信號源、前置微小信號放大器、高精度電壓源、高精度電流源等電子測量儀器研發(fā)、生產(chǎn)和銷售的高科技企業(yè)。公司致力于功率放大器、功率信號源、計量校準源等產(chǎn)品為核心的相關行業(yè)測試解決方案的研究,為用戶提供具有競爭力的測試方案,Aigtek已經(jīng)成為在業(yè)界擁有廣泛產(chǎn)品線,且具有相當規(guī)模的儀器設備供應商,樣機都支持免費試用。
-
放大器
+關注
關注
143文章
13583瀏覽量
213367 -
監(jiān)測
+關注
關注
2文章
3593瀏覽量
44505 -
射頻功率
+關注
關注
0文章
39瀏覽量
12926 -
射頻功率放大器
+關注
關注
8文章
138瀏覽量
23026
發(fā)布評論請先 登錄
相關推薦
評論