基于改進遺傳算法的C/SiC拉伸損傷聲發射模式識別

張勇禎, 童小燕, 姚磊江, 李斌, 白國棟

基于改進遺傳算法的C/SiC拉伸損傷聲發射模式識別

張勇禎1,2, 童小燕1, 姚磊江1, 李斌1, 白國棟1,2

(西北工業大學 1. 無人機特種技術國防科技重點實驗室; 2. 航空學院, 西安 710072)

采用層次聚類及基于改進遺傳算法的無監督模式識別方法, 對2D-C/SiC復合材料常溫拉伸試驗過程的聲發射數據進行分析, 結合試樣斷口的掃描電鏡(SEM)照片, 得到拉伸過程中5類損傷模式及其典型聲發射特征參數。通過對各類損傷的能量分布、累計事件數和累計能量的分析, 研究C/SiC復合材料的損傷演化過程, 發現其過程可分為基體微裂紋和界面失效為主的初始損傷階段、基體微裂紋停滯導致層間剝離及纖維失效占主導地位的裂紋飽和階段、基體長裂紋和界面失效為主的損傷積累發展階段和纖維束大量失效的宏觀斷裂階段。

C/SiC; 聲發射; 改進遺傳算法; 無監督聚類; 損傷

連續纖維增韌碳化硅(C/SiC)具有良好的高溫性能, 在航空發動機、燃氣輪機、空天飛行器等熱結構中有廣闊的應用前景[1-3]。它的損傷破壞過程存在復雜的微觀機制和交互作用, 傳統的力學實驗和微觀觀察無法對材料損傷演化過程進行在線監測, 難以對材料的損傷演化機制進行準確描述。通過聲發射技術可以探測材料內部結構變化產生的瞬時彈性波, 對材料內部各種損傷模式、損傷演化過程實現在線監測, 準確地反映材料的服役性能[4-6]。

然而C/SiC材料失效過程會產生大量、復雜的聲發射信號, 如何將這些信號與材料的損傷機制關聯起來, 就成為需要解決的關鍵問題, 即要建立可靠的聲發射模式識別方法[7]。由于缺少足夠的先驗知識, 對聲發射信號的識別主要依靠無監督的聚類算法, 結合材料損傷物理機制, 建立聲發射與損傷模式的映射[8-12]。MOMON S等[9]采用聚類分析方法得出了復合材料在高溫環境(700~1200 ℃)下的損傷模式; 童小燕等[10]通過采用K-均值聚類算法對常溫拉伸試驗下C/SiC復合材料的聲發射信號特征參數進行了研究。黃喜鵬等[11-12]通過K-均值聚類分析方法, 用小波去噪后的聲發射信號能量和幅值兩個特征進行模式識別, 研究了3D-N C/SiC和不同密度C/SiC復合材料在拉伸載荷作用下的損傷模式。C/SiC復合材料拉伸損傷無監督的聲發射模式識別存在兩個關鍵問題: (1)聚類算法: 目前絕大多數采用基于K-均值聚類算法, 但由于這是一種局部搜索技術, 受初始聚類中心影響可能會過早收斂, 失去全局最優解[13], 導致無法獲得最佳聚類結果; (2)聲發射特征參數選取: 選取參數較少或者純經驗選擇, 可能會出現無法準確描述聲發射信號特征的情況, 從而影響聚類效果。

本研究針對聲發射聚類分析中特征參數選取和K-均值算法的不足, 在2D-C/SiC復合材料室溫拉伸試驗的聲發射數據模式分析中, 以層次聚類進行參數降維和優選, 并提出改進遺傳算法和K-均值算法相融合的聚類算法, 即將K-均值算法作為改進遺傳算法的基聚類, 實現改進遺傳算法概率全局最優和K-均值局部收斂速度快的優勢相結合。基于該算法, 結合斷口形貌分析, 描述拉伸破壞過程的損傷演化過程, 完成2D-C/SiC室溫拉伸過程中損傷模式的識別, 為該材料在服役過程中損傷情況的在線評估提供指導。

1 實驗方法

1.1 試樣制備

采用化學氣相滲透法(CVI)工藝制備2D-C/SiC陶瓷基復合材料樣品, 由西北工業大學超高溫結構復合材料重點實驗室提供, 材料的組成為T-300碳纖維、熱解炭(PyC)界面層和SiC基體。纖維的體積含量約為40%, 孔隙率約為15%, 密度為2.1~ 2.2 g/cm3。拉伸試樣形狀及尺寸如圖1所示。

圖1 拉伸試樣示意圖

1.2 拉伸試驗

室溫單調拉伸試驗在Instron8801液壓伺服疲勞試驗機上進行, 采用位移控制加載方式, 加載速率為0.5 mm/min。在試驗過程中, 利用美國物理聲學公司的聲發射儀(PAC PCI-II)進行在線監測(前置放大增益: 40 dB, 信號門檻值: 45 dB, 采樣率: 1MSPS, 帶通濾波: 20~1200 kHz)。拉伸試驗后, 使用日立TM4000PLUS臺式掃描電鏡觀察斷口形貌。

2 基于改進遺傳算法的聲發射模式識別

復合材料拉伸過程存在復雜的微觀斷裂機制, 每種機制產生不同特征的聲發射信號, 需要建立聲發射信號與這些斷裂機制之間的關聯, 從而準確描述材料內部損傷演化過程。聲發射模式識別包括以下過程:

(1)聲發射信號的描述: 通過對采集到的聲發射信號進行小波去噪處理后, 利用AEWIN軟件提取聲發射能量、平均頻率、幅值、計數、上升時間等特征參數;

(2)特征參數選取: 由于聲發射信號能夠提取到的參數很多, 必須進行降維處理, 選取典型特征參數;

(3)聲發射聚類: 采用無監督的模式識別算法對聲發射信號進行分類;

(4)聚類有效性評價: 對聚類結果進行評價, 得到最優聚類結果。

2.1 基于改進遺傳算法的聚類分析

改進遺傳算法是一種模擬生物在自然界中的遺傳和進化過程的全局最優自適應概率搜索算法, 具有較強的魯棒性和全局尋優能力[14-16], 相對于K-均值算法, 改進遺傳算法更容易得到無監督聚類問題的全局最優解, 但它直接用于聚類問題主要不足是收斂速度低, 因此將K-均值算法作為其基聚類算法的方式, 提高其收斂速度, 完成兩種算法優勢互補的深度融合。基于改進遺傳算法聚類分析流程如圖2所示。

圖2 基于改進遺傳算法聚類流程圖

2.1.1 聚類標簽轉化

在采用遺傳算法得到最終結果之前, 必須解決基聚類的類標簽不一致問題。例如對于分類結果{1, 1, 1, 2, 2, 3, 3, 3}和{2, 2, 2, 3, 3, 1, 1, 1}, 雖然兩種編碼方式不同, 但是表示的卻是同一個劃分。基聚類之間必須通過匹配建立相互的對應關系。對于本研究中有多個基聚類的聚類問題, 通過利用類中心和坐標原點的相對位置關系, 以距離原點位置由近及遠給各個體中的類中心編號, 然后再將各類中心的對應元素編號修改為類中心的編號, 完成基聚類標簽轉換。

2.1.2 適應度函數及遺傳操作

適應度通常用來度量群體中各個體在優化計算中可能達到或者接近最優解的優良程度。本研究采用式(1)構造適應度函數, 式(1)中的值越小說明聚類結果越好, 因此選擇如下適應度函數:

其中,為常數,為準則函數。

2.1.3 基聚類生成機制

在運用改進遺傳算法進行聚類分析之前需要生成若干有效的聚類個體, 由于K-均值具有較強的局部搜索能力, 在改進遺傳算法中選擇K-均值作為基聚類算法, 可以顯著提高聚類分析的收斂速度。K-均值算法從數據集中隨機選擇個聲發射信號點作為初始類中心, 根據歐幾里得公式計算每個聲發射信號點到當前個類中心的距離, 并根據計算得到的歐幾里得距離將每個信號點分配到離其最近的類中心所在的類, 然后重新計算類中心, 直至準則函數達到最小, 聚類結束。類中心的計算公式及準則函數如式(4, 5)所示:

2.2 聚類特征選擇及聚類有效性評價

聲發射信號特征參數是一種高維向量, 其中某些參數之間存在很強的相關性, 導致各類特征在聚類中的權重不匹配, 引起聚類結果的偏差。因此, 需要對聲發射信號進行降維處理。本研究根據Moevus等[17-19]提出的層次聚類特征選擇方法, 以每個特征為一個節點, 通過特征之間的相關系數作為節點距離表征的方式, 建立各特征之間的距離矩陣, 通過層次聚類之后特征之間距離高度率的設置, 刪除冗余特征, 完成聲發射聚類特征的選擇。

本研究中選取DB和CH指標同時作為聚類有效性的評價指標。DB指標用類內樣本點到其聚類中心的距離估計類內的緊致性, 用聚類中心之間的距離表示類間的分離性, DB值越小意味著類內距離越小, 同時類間距離越大, 即更優的聚類劃分結果[20]。Milligan等[21]對30多個聚類有效性指標進行了比較, 認為CH指標性能最優, CH指標通過計算各點與類中心的距離平方和來度量類內緊密度, 通過計算各類中心與數據集中心點距離平方和來度量數據集的分散度, CH指標越大代表類自身越緊密, 類與類之間越分散, 即更優的聚類結果[22]。

3 結果與討論

3.1 拉伸試驗結果

2D-C/SiC試樣的應力–應變曲線及拉伸過程聲發射信號能量如圖3所示。試樣斷裂應變為1.36%, 極限強度為182.6 MPa。整個試驗過程中采集到的有效聲發射事件數為4974。

3.2 聲發射模式識別

3.2.1 聚類特征選擇

聲發射信號的主要特征參數包括: 上升時間、計數、能量、持續時間、幅值、平均頻率和峰值頻率。將所有特征參數值正則化到[0,1]范圍, 建立特征參數相關矩陣。用全鏈接的距離度量方式進行層次聚類, 選擇高度率為20%, 將特征參數分為4類。層次聚類結果表明上升時間、計數、持續時間、峰值頻率相似度高, 如圖4所示。本研究從以上4個相似度高的特征中選取計數, 與能量、幅值、平均頻率共同作為聚類分析的特征參數。

3.2.2 聚類類別數的確定

在采用改進遺傳算法對聲發射信號進行聚類分析的過程中, 選擇交叉概率c1=0.9,c2=0.4, 變異概率m1=0.01,m2=0.001,=1000。聚類結果的CH、DB指標隨值的變化趨勢如圖5所示。由各指標定義可知,=5時聚類結果最優。

圖3 應力–應變曲線及聲發射信號能量分布

圖6是聲發射信號聚類結果(=5), 可以看出, 不同聚類的重疊較少, 類與類之間具有較明顯的差異。

以往的研究表明, C/SiC復合材料拉伸破壞過程存在基體開裂、界面失效、層間剝離、纖維斷裂等損傷模式[10-12], 從圖7所示的試樣斷口形貌中也可發現這些損傷模式。考慮到纖維斷裂存在著單絲纖維斷裂和纖維束整體斷裂兩種形式, 因此可以認為存在5種微觀斷裂機制, 這與基于改進遺傳算法所獲得的聲發射信號最優聚類數是一致的。

圖4 聲發射信號參數相關樹狀圖

圖5 CH指標和DB指標隨K值變化曲線

圖6 聲發射信號聚類結果分布

圖7 試樣的斷口SEM照片

(a) Interlaminar delamination; (b) Fiber bundle breakage; (c) Fiber breakage & PyC interface failure; (d) Matrix cracking

3.2.3 損傷模式識別

聲發射損傷模式識別是建立上述材料內各種微觀斷裂機制和聲發射聚類之間的對應關系[23-24], 這需要對聲發射特征與斷裂事件物理特性的相關性進行分析。在無監督聚類中依賴各種斷裂機制, 每一類聲發射特征以各聚類類中心的聲發射參數值表示, 如表1所示。在聲發射信號的特征參數中, 聲發射能量和平均頻率是能夠反映聲發射事件物理機制的最重要的兩個參數。聲發射能量值與其斷裂源釋放的應變能正相關, 而聲發射頻率值很大程度上取決于斷裂源的材料屬性[9]。因此, 采用聲發射能量及頻率特征作為識別聲發射信號斷裂機制的主要依據。

表1中聚類1的各個聲發射參數都最低, 表明這種斷裂機制釋放的應變能非常小, 是典型的脆性斷裂特征, 考慮到C/SiC復合材料基體脆性及低應力開裂的特點, 聚類1對應基體裂紋產生和擴展。聚類5的各個參數都最高, 表明這種斷裂機制釋放了較大的應變能, 參與這類斷裂事件的組份材料應當具有較好的韌性, 符合C纖維的特征, 并且它的計數也非常多, 這是纖維束內數百根纖維持續斷裂造成的, 因此可以推斷聚類5屬于纖維束斷裂機制。聚類3的頻率特征和聚類5接近, 表明它們是同一種材料的斷裂行為, 但聚類3的能量要比聚類5低得多, 說明聚類3是單絲或者零星纖維斷裂事件。在材料拉伸過程中, 基體微裂紋擴展至纖維, 由于纖維對裂紋的阻礙作用, 裂紋開始沿著纖維界面和層間基體擴展, 引發界面脫粘和層間剝離等損傷。通過上面的分析, 聚類2和聚類4代表上述兩種界面損傷形式。纖維基體界面和層間相比, 界面較弱, 損傷面積更小, 釋放應變能的能力較弱, 其聲發射信號的能量、頻率等參數更小。因此, 可以判定聚類2對應界面損傷, 聚類4對應層間剝離。

表1 聚類中心聲發射參數值

3.3 材料損傷演化分析

大量的研究將C/SiC復合材料的拉伸失效過程劃分為損傷起始、損傷加速和損傷穩定三個階段[25-29]。在加載初期, 應力–應變曲線呈線性特征, 幾乎沒有損傷發生; 隨著加載的進行, 初始缺陷及裂紋開始增長并擴展, 導致纖維和基體之間的界面產生脫粘, 材料模量逐漸降低, 材料的應力–應變曲線表現出非線性特征; 當拉伸應力達到一定值后, 大量初始裂紋的擴展結束, 裂紋密度達到飽和, 損傷進入穩定發展期, 應力–應變曲線再次表現出近似線性的特征[28-29]。

圖8、圖9分別是在聲發射模式識別的基礎上, 得到的拉伸過程中各類損傷模式聲發射累積能量和累積事件數的演化過程。圖10分別為基體開裂、界面損傷、纖維斷裂、層間剝離和纖維束斷裂5種損傷模式在拉伸過程中的聲發射信號能量分布, 可以看出整個加載過程可以劃分為4個階段。

第一階段(0~48 MPa): 一般認為存在損傷起始階段[25], 但通過聲發射研究方法, 即使在損傷起始階段仍有明顯的微觀斷裂事件。此階段聲發射事件以基體微裂紋擴展、熱解炭界面損傷和單絲纖維斷裂等低能聲發射信號為主。C/SiC復合材料在制備過程中會產生熱應力, 同時微結構內的孔隙也會成為裂紋源[30-31], 并在較低應力下擴展。加載開始時, 材料殘余熱應力釋放, 當局部應力超過SiC基體的承載能力后, SiC基體孔隙作為裂紋源產生微裂紋并擴展, 同時隨著應力的增大, 在低強度的SiC區域開始出現基體裂紋[32]。由于纖維對基體微裂紋擴展有阻隔作用, 裂紋沿著界面產生偏轉, 發生界面脫粘[30], 如圖7(c)所示。同時纖維束中少量較弱的纖維絲發生斷裂。

圖8 累積能量隨應變和時間的變化

圖9 累積事件數隨應變和時間的變化

圖10 拉伸過程中各類損傷的能量分布

(a) Matrix cracking; (b) Interface debonding; (c) Fiber breakage;(d) Interlaminar delamination; (e) Fiber bundle breakage

第二階段(48~112 MPa): 聲發射事件以高能聲發射信號激增為主, 而基體開裂事件和界面脫粘事件非常少, 表明進入裂紋飽和階段。在二維編織復合材料中, 編織節點處由于纖維束之間的擠壓作用, 一般容易產生孔洞型的缺陷, 容易引發基體裂紋匯聚, 使編織節點的纖維束產生應力集中[28]。在裂紋飽和區域, 纖維及纖維束作為拉伸載荷的主要承載對象[32-33], 應變能更多地通過纖維及纖維束斷裂來釋放, 部分纖維同時開始發生斷裂, 聲發射能量較第一階段更高(圖10(c)), 并開始出現纖維束斷裂的聲發射事件(圖10(e))。從圖7(b)中可以看出, 縱向纖維束在編織節點斷裂, 而且伴有明顯的纖維拔出。此外, 這一時期由于纖維和纖維束對基體裂紋擴展的阻礙作用, 在縱橫纖維束交叉區域產生裂紋[28], 并開始沿著纖維及纖維束縱向發展[26], 產生較多的層間剝離。從圖7(a)中可以看到層間剝離多數發生在纖維束的交叉區域。纖維束拔出過程產生的界面滑移、纖維束斷裂以及大量層間剝離, 造成材料的彈性模量在此階段逐漸降低, 這與已有的對材料損傷加速階段的認識較為一致。

第三階段(112~180 MPa): 幾乎停止發生纖維束斷裂事件, 持續發生其他損傷。這是由于在第二階段微裂紋飽和區域纖維及纖維束作為承載部分發生大量斷裂; 隨著應力的增大, 在該階段纖維斷裂區域, 基體部分開始作為承載對象, 在由微裂紋擴展形成基體長裂紋的同時[27], 在富基體區域也開始形成基體裂紋[34], 如圖7(d)所示。隨著基體長裂紋擴展, 界面脫粘也持續增加, 能量耗散主要依靠裂紋和脫粘形成的表面能以及纖維拔出的摩擦, 幾乎不發生纖維束斷裂。

第四階段(180~183 MPa): 材料進入破壞期, 材料達到最大形變量, 基體、界面、層間、纖維持續破壞, 各類損傷的聲發射事件持續發生, 纖維束斷裂事件再次出現, 材料進入嚴重損傷期, 直至試件斷裂。通常的研究并未識別出此階段, 而將應力–應變曲線的最高點作為材料破壞的標志。但從聲發射分析的角度看, 材料的宏觀失效應當在之前就發生了。

上述研究表明, 利用聲發射模式識別方法并結合斷口分析較單純利用應力–應變關系能夠更加準確地描述失效過程中各類損傷機制的演化過程。研究發現: 基體裂紋擴展與纖維束的斷裂事件在整個拉伸試驗過程中交替發生, 界面失效和層間開裂在整個過程中持續發生; 加載的初期和后期, 均存在基體裂紋擴展, 但早期以微裂紋擴展為主, 后期為長裂紋擴展為主, 中間則經歷了裂紋飽和階段; 在達到最大應力前就已經發生材料宏觀斷裂, 根據聲發射分析定義的極限強度和斷裂應變為180.3 MPa和1.27%, 略低于根據宏觀應力–應變曲線得到的結果, 能夠更準確地反映材料的性能。

4 結論

1)通過層次聚類法篩選出幅值、能量、平均頻率和計數4個聲發射信號特征, 采用基于改進遺傳算法的無監督聚類分析識別了2D-C/SiC復合材料拉伸過程中的基體開裂、界面層損傷、纖維斷裂、層間剝離和纖維束斷裂等損傷模式及其演化規律。

2)通過對不同損傷模式聲發射累積事件數、累積能量以及能量分布的分析, 發現C/SiC復合材料損傷發展可以分為4個階段: 基體微裂紋和界面失效為主的初始損傷階段, 基體微裂紋停滯導致層間剝離、纖維失效占主導地位的裂紋飽和階段, 基體長裂紋和界面失效為主的損傷積累發展期, 纖維束大量失效的宏觀斷裂階段。

3)通過聲發射模式識別, 可以更準確地定義材料拉伸裂紋飽和應力、拉伸極限強度和斷裂應變等性能指標。

[1] NASLAIN R. Design, preparation and properties of non-oxide CMCs for application in engines and nuclear reactors: an overview., 2004, 64(2): 155–170.

[2] CHRISTIN F. Design, fabrication, and application of thermostructural composites (TSC) like C/C, C/SiC, and SiC/SiC composites., 2002, 4(12): 903–912.

[3] ZHANG LITONG, CHENG LAIFEI. Discussion on strategies of sustainable development of continuous fiber ceramic matrix composites., 2007, 24(2): 1–6.

[4] MORSCHER G N, MAILLET E. Nondestructive evaluation – use of acoustic emission for CMCs., 2018, 5: 308–324.

[5] ZARIF KARIMI N, MINAK G, KIANFAR P. Analysis of damage mechanisms in drilling of composite materials by acoustic emission., 2015, 131: 107–114.

[6] MAILLET E, BAKER C, MORSCHER G N,. Feasibility and limitations of damage identification in composite materials using acoustic emission., 2015, 75: 77–83.

[7] MORIZET N, GODIN N, TANG J,. Classification of acoustic emission signals using wavelets and random forests: application to localized corrosion., 2016, 70–71: 1026–1037.

[8] MEI HUI, SUN YUYAO , ZHANG LIDONG ,. Acoustic emission characterization of fracture toughness for fiber reinforced ceramic matrix composites., 2013, 560: 372–376.

[9] MOMON S, GODIN N, REYNAUD P,. Unsupervised and supervised classification of AE data collected during fatigue test on CMC at high temperature., 2012, 43(2): 1–260.

[10] TONG XIAOYAN, ZHANG JIALI, YAO LEIJIANG,. Cluster analysis of acoustic emission signals of 2D-C/SiC under tensile loading., 2014, 35(2): 109–114.

[11] HUANG XIPENG, WANG BO, YANG CHENGPENG,. Evaluating damage evolution of three-dimension needled C/SiC composite based on acoustic emission signal analysis., 2018, 33(6): 609–616.

[12] HUANG XIPENG, WANG BO, YANG CHENGPENG,. Damage evolution of C/SiC composite materials with different densities based on acoustic emission signal analysis., 2019, 36(2): 425–433.

[13] HARTIGAN J A, WONG M A. Algorithm AS 136: A k-means clustering algorithm., 1979, 28(1): 100–108.

[14] HOLLAND J H.. Genetic algorithms and the optimal allocation of trials., 1973, 2(2): 88–105.

[15] TANG WENYAN. Research and Application of Genetic Algorithm in Structural Optimization. Dalian:Doctoral Thesis of Dalian University of Technology, 2002.

[16] REN ZIWU, SAN YE. Improved adaptive genetic algorithm and its application research in parameter identification., 2006, 18(1): 41–43.

[17] MOEVUS M, GODIN N, R’MILI M,. Analysis of damage mechanisms and associated acoustic emission in two SiCf/[Si-B-C] composites exhibiting different tensile behaviours. Part II: Unsupervised acoustic emission data clustering., 2008, 68(6): 1258–1265.

[18] ANASTASSOPOULOS A A, PHILIPPIDIS T P. Clustering methodology for the evaluation of acoustic emission from composites., 1995, 13(1/2): 11–22.

[19] ANASTASSOPOULOS A A, PHILIPPIDIS T P, PAIPETIS S A. Failure mechanism identification in composite materials by means of acoustic emission: Is it possible., 1996: 143–149.

[20] DAVIES D L, BOULDIN D W. A cluster separation measure.. 1979, 1(2): 224–227.

[21] MILLIGAN G W, COOPER M C. An examination of procedures for determining the number of clusters in a data set., 1985, 50(2): 159–179.

[22] CALINSKI T, HARABASZ J. A dendrite method for cluster analysis., 1974, 3(1): 1–27.

[23] LI L, LOMOV S V, XIONG Y,. Cluster analysis of acoustic emission signals for 2D and 3D woven glass/epoxy composites., 2014, 116(1): 286–299.

[24] ECH-CHOUDANY Y, ASSARAR M, SCIDA D,. Unsupervised clustering for building a learning database of acoustic emission signals to identify damage mechanisms in unidirectional laminates., 2017, 123: 123–132.

[25] YANG CHENGPENG, JIAO GUIQIONG, WANG BO. Uniaxial tensile stress-strain behavior and strength of plain woven C/SiC composite., 2011, 43(2): 330–337.

[26] GUAN GUOYANG, JIAO GUIQIONG, ZHANG ZENGGUANG. Uniaxial macro-mechanical property and failure mode of a 2D-woven C/SiC composite., 2005, 22(4): 81–85.

[27] CHANG YANJUN, JIAO GUIQIONG, TAO YONGQIANG,. Damage behavior of 2.5D-C/SiC composites under tensile loading., 2008, 23(3): 509–514.

[28] MEI HUI, CHENG LAIFEI, ZHANG LITONG,. Damage evolution and microstructural characterization of a cross-woven C/SiC composite under tensile loading., 2007, 35(2): 137–143.

[29] WANG M, LAIRD C. Characterization of microstructure and tensile behavior of a cross-woven C/SiC composite., 1996, 44(4): 1371–1387.

[30] FANG PENG, CHENG LAIFEI, ZHANG LITONG,. Acoustic emission characteristics of C/SiC composite during tensile test., 2006, 28(7): 358–361.

[31] QIAO SHENGRU, DU SHUANGMING, JI GANGCHANG,. Damage mechanism of 3D-C/SiC composite., 2004, 26(3): 307–312.

[32] NIE J, XU Y, ZHANG L,. Microstructure and tensile behavior of multiply needled C/SiC composite fabricated by chemical vapor infiltration., 2009, 209(1): 572–576.

[33] WANG YIQIANG, ZHANG LITONG, CHENG LAIFEI. Effects of heat treatment on the tensile behavior and damage evolution of a 3D C/SiC composite., 2010, 24(15/16): 2591–2596.

[34] LI L B, SONG Y D, SUN Y C. Modeling the tensile behavior of cross-ply C/SiC ceramic-matrix composites., 2015, 51(3): 359–376.

Acoustic Emission Pattern Recognition on Tensile Damage Process of C/SiC Composites Using an Improved Genetic Algorithm

ZHANG Yongzhen1,2, TONG Xiaoyan1, YAO Leijiang1, LI Bin1, BAI Guodong1,2

(1. National Key Laboratory of Science and Technology on UAV, Northwestern Polytechnical University, Xi’an 710072, China; 2. School of Aeronautics, Northwestern Polytechnical University, Xi’an 710072, China)

The acoustic emission data collected during room temperature tensile test of 2D-C/SiC composites were analyzed by hierarchical clustering and unsupervised pattern recognition method based on an improved genetic algorithm. Combined with the SEM observation on the fracture surface, five damage modes were identified and their typical acoustic emission characteristics were obtained. According to the analysis of energy distribution, cumulative event number and cumulative energy of different damage modes, the damage evolution process of C/SiC composites can be divided into four stages. The first stage (damage initiation stage) shows mainly matrix microcracks and interface debonding. In the second stage, matrix crack reaches saturated and then causes a considerable quantity of interlaminar delamination and fiber failure. The third stage is a gradual damage development stage and all kinds of damage keep occurring except the breakage of fiber bundles. In the last stage, a large amount of fiber bundles break and the sample eventually fails.

C/SiC; acoustic emission; improved genetic algorithm; unsupervised clustering; damage

TB332

A

1000-324X(2020)05-0593-08

10.15541/jim20190213

2019-05-09;

2019-07-30

國家自然科學基金(51772244, 11072195) National Natural Science Foundation of China (51772244, 11072195)

張勇禎(1994–), 男, 博士研究生. E-mail: zhangyongzhennpu@163.com

ZHANG Yongzhen(1994–), male, PhD candidate. E-mail: zhangyongzhennpu@163.com

姚磊江, 教授. E-mail: yaolj@nwpu.edu.cn

YAO Leijiang, professor. E-mail: yaolj@nwpu.edu.cn