L型结构木材中声发射信号传播特征

针对木材结构尺寸及介质改变对应变能传播的影响,研究应力波在变结构的L型试件中的声发射（acoustic emission,AE）特性。首先,参照ASTM-E976标准,在樟子松L型试件表面不同位置产生AE源,并利用采样频率为500 kHz的AE采集系统获取试件表面4个固定位置的AE信号。其次,依据小波分析原理对原始AE信号进行降噪并重构AE波形,进而研究木材结构变化对AE信号频域特征的影响。最后,基于对比分析,研究空气介质对于信号传播特性的影响。结果表明,当AE源位于锯材处时,信号以纵波和横波混合的形式单向传播,木材的结构变化主要影响低频信号成分,使得信号呈现高频带分布;而空气介质对于其时频域均有显著影响;当AE源位于薄板时,木材结构变化、传播路径及空气介质对于AE信号时频域特性均有显著影响。     

基于奇异谱和相关性分析的木材声发射源直线定位算法研究

针对木材声发射（acoustic emission,AE）信号的随机特性,提出了一种基于奇异谱和信号相关性分析的木材表面AE源直线定位算法。首先,依据ASTM标准通过折断铅芯的方式分别在樟子松和榉木试件表面产生AE源,并在顺纹理方向布置2个AE传感器,其中采样频率设置为500 kHz。然后,采用奇异谱分析（singular spectrum analysis,SSA）算法提高AE信号的信噪比,再分别基于信号相关性和最大值分析2种方法计算AE信号在木材表面顺纹理方向的传播速度。最后,依据AE信号传播时差和计算速度,基于时差定位原理设计AE源定位算法。并针对SSA处理前后的AE信号,采用不同定位算法进行比较试验。结果表明,直接对原始AE信号采用基于信号相关性和最大值分析方法确定信号传播速度时,樟子松试件2个不同位置AE源的定位误差分别为51.8%、55.7%和75.7%、46.6%;榉木试件2个不同位置AE源的定位误差分别为52.0%、44.8%和37.7%、45.5%。而对于经SSA处理后的AE信号,樟子松试件相应的定位误差分别为5.1%、33.2%和2.6%、31.7%;榉木试件相应的定位误差分别为3.1%、54.9%和5.1%、22.9%。因此,对原始AE信号进行SSA降噪处理后,再基于信号相关性分析方法确定信号传播速度,能够显著提高木材表面AE源的定位精度。     

基于小波变换的木材声发射驻波信号特征研究

为研究木材损伤断裂时的声发射(AE)信号所激发的驻波信号特征与木材固有特性之间的关系,采用薄木条折断的方式产生AE源,在小波变换的基础上分析驻波频率,并计算纵波传播速率,依据弹性波理论计算出木材顺纹弹性模量(MOE)。首先,在2种不同长度的木材试件一端分别加工出8根80 mm×10 mm的薄木条,通过外加冲击力折断木条以产生AE源,通过放置在试件端面的2个传感器采集原始AE信号,采样频率设定为500 kHz。然后,根据驻波特性确定原始信号的驻波阶段,进而对该阶段AE信号进行4层小波分解,依据分解后信号的时频域特征析取驻波信号波形。最后,依据驻波产生原理计算纵波传播速率,并结合弹性波理论计算试件的MOE。结果表明,拉伸试验测得樟子松和榉木试件的MOE分别为9.30 GPa和11.63 GPa, 800 mm樟子松和榉木试件通过驻波计算所得MOE分别为9.37 GPa和12.34 GPa,与实测MOE的误差分别为0.75%和5.24%;600 mm的樟子松和榉木试件通过驻波计算所得MOE分别为9.31 GPa和11.81 GPa,与实测MOE的误差分别为0.10%和1.55%。     

基于声发射的樟子松锯材表面横波与内部纵波传播特性及能量衰减规律

为研究不同声发射(acoustic emission,AE)模态的传播特性与能量衰减模式,依据波动理论提出一种木材AE信号表面横波与内部纵波析取方法,进而建立AE信号能量衰减模型。首先,依据ASTM-E976-2015通过铅芯折断的方式在樟子松锯材表面产生AE源,并在不同位置采集表面横波与内部纵波的AE原始信号,采样频率设置为500 kHz;然后,采用小波分析方法从原始信号中重构AE波形,分析木材AE信号表面横波与内部纵波的传播特性;最后,通过指数函数拟合的方法,构建表面横波与内部纵波能量衰减模型。结果表明:表面横波与内部纵波在樟子松锯材中传播时AE能量均呈明显的指数衰减规律,但在频率分布和传播速率上均有较大差异。表面横波在传播初始阶段主要分布在以80.0 kHz和113.3 kHz为中心的两个中高频段内,随着其在木材表面的传播,高频信号迅速衰减为低频信号。而内部纵波始终处于相对低频段内,其平均传播速率约为表面横波的4.6倍。     

应用独立成分分析和小波分解对木材声发射信号的析取

选取常温气干状态表面无缺陷的樟子松(Pinus sylvestris var.mongolica Litv.)实木为试验材料,制成长800 mm、宽60 mm、厚30 mm的试件。使用UTM5105型万能力学试验机对试件进行破坏性试验,以500 kHz的采样频率采集木材三点弯曲试验产生的声发射(AE)信号,截取试验后期幅值无显著变化的一段原始信号作为研究对象。采用依据负熵最大化的快速独立成分分析(FastICA)盲源分离算法将原始信号分离成噪声和声发射信号,再对分离后的声发射信号进行5层小波分解后重构声发射信号波形;对重构声发射信号进行频域分析,通过与已知声发射信号的频域特征比较,验证信号析取的有效性。结果表明：构建的依据独立成分分析和小波分解(FastICA-Wavelet)的声发射信号析取方法,能够从混有声发射信号的类噪声信号中分解出声发射信号,利用小波分解能够进一步降低非独立噪声成分的影响。     

基于声发射信号信息熵的木材损伤断裂过程研究

为获得木材在弯曲破坏过程中的声发射（acoustic emission,AE）信号特征,从AE信号的随机性出发,利用AE信号信息熵辨识木材的损伤过程,并研究木材在不同损伤断裂水平下的AE信号分布特性。首先,对气干状态的榉木和樟子松试件进行三点弯曲试验,并通过谐振频率为150 kHz的AE传感器采集原始AE信号,采样频率设置为500 kHz。然后,采用小波变换重构AE信号波形,依据无AE发生时的信号幅值确定AE阈值,统计每秒内超过阈值的次数并作为AE活动计数,再以活动计数为随机变量定义AE信息熵。最后,依据信息熵值确定应变能释放的转折点,并结合三点弯曲试验的载荷-时间曲线,将木材损伤断裂过程划分为线性变形、非线性变形、宏观断裂3个阶段。以10 ms为间隔分析并统计AE信号的频率,获得木材弯曲破坏过程的AE信号频率分布情况,从而揭示不同损伤阶段的AE信号特征。结果表明,线性变形阶段,AE信号表现为低幅值、低频率,主要集中在30~55 kHz频段内;非线性变形和宏观断裂阶段,AE信号中既存在大量的30~55 kHz低频信号成分,又存在100~110 kHz和115~130 kHz的高频信号。研究提出的基于AE活动数信息熵能够准确反映应变能释放的集中程度,为木材损伤断裂水平评价提供了客观依据。     

基于小波分析的樟子松表面和内部声发射信号频域研究

为准确计算樟子松断裂时在表面和内部传播的声发射（acoustic emission,AE）信号传播速度，对樟子松表面和内部传播AE信号的有效频段进行研究。为得到樟子松断裂时候产生的AE信号，使用万能力学试验机进行三点弯曲压断试验，并在试件表面相距固定距离的2个点采集原始AE信号。为得到不同频段的AE信号，对原始AE信号进行小波分解并重构AE波形。针对不同频段的AE信号，采用信号相关性分析法计算信号到达2个传感器的传播时差，以此计算AE信号的传播速度。根据AE信号在不同介质中的传播规律以及AE信号的传播速度判断AE信号的传播介质和AE信号的主要频率。结果表明，当AE信号在樟子松表面传播时，AE信号的有效频段为15~62 kHz。当AE信号在樟子松内部传播时，AE信号的有效频段为125~250 kHz。使用有效频段内信号计算AE信号的传播速度，可显著提升计算得到的AE信号传播速度的准确性。