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(jié)構(gòu)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(lǐng)域的基礎(chǔ)設(shè)施結(jié)構(gòu)安全性具有重要意義，受到了廣泛的關(guān)注。在現(xiàn)有的結(jié)構(gòu)監(jiān)測技術(shù)中，超聲導波檢測技術(shù)具有檢測范圍廣，速度快，對結(jié)構(gòu)內(nèi)部損傷敏感，安全方便，且成本低廉，在薄板構(gòu)件的無損檢測和健康監(jiān)測中具有良好的應(yīng)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(zhuǎn)聚焦方法圳、相控聚焦方法、虛擬反轉(zhuǎn)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(shù)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(jié)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(jié)構(gòu)系統(tǒng)的部分或特定方面的狀態(tài)，無法對結(jié)構(gòu)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(zāi)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(chǔ)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(jié)構(gòu)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-organizingfeaturemapping，SOM)的敏感損傷特征融合方法，以構(gòu)建能夠全面評估鋁板損傷的統(tǒng)一指數(shù)。

測試設(shè)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(jié)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(jié)果如下圖（a）所示。可見，本文提出的異常指數(shù)與鋁板彎折次數(shù)間具有更好的線性相關(guān)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(jié)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(cè)，與疲勞彎曲次數(shù)間的線性相關(guān)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(guān)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(guān)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(jié)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(shè)備供應(yīng)商，樣機都支持免費試用。

審核編輯黃宇