沈陽工業(yè)大學(xué) 程子靖 于 洋
對金屬材料進行了靜載實驗,以對金屬材料損傷進行趨勢預(yù)測,通過聲發(fā)射傳感器采集加載過程中金屬材料釋放出的聲發(fā)射信號,提取出聲發(fā)射信號的RMS值,針對聲發(fā)射信號RMS值時間序列建立NAR神經(jīng)網(wǎng)絡(luò)預(yù)測模型,可以很好地預(yù)測出聲發(fā)射信號的變化趨勢。
聲發(fā)射檢測作為一種動態(tài)無損檢測技術(shù),可以利用傳感器接收金屬結(jié)構(gòu)變化內(nèi)部產(chǎn)生的彈性波,無需外部激勵,對被檢測材料不造成任何的影響。聲發(fā)射信號可以用于金屬材料結(jié)構(gòu)的失效實時監(jiān)測。張一輝等利用聲發(fā)射檢測技術(shù)Q235B材料的拉伸過程進行監(jiān)測,研究發(fā)現(xiàn)了該材料的損傷狀態(tài)與其聲發(fā)射信號之間存在著映射關(guān)系。彭國平等對Q345R疲勞損傷過程產(chǎn)生的聲發(fā)射信號特征參數(shù)進行分析,找出了各階段聲發(fā)射信號的特征。
用某金屬材料進行循環(huán)加卸載的靜載試驗,采用氣動油壓千斤頂通對金屬材料進行軸向力加載,持續(xù)增加軸向力直到金屬材料產(chǎn)生裂紋,最后金屬材料斷裂。傳感器為物理聲學(xué)公司窄帶諧振式傳感器,中心頻率設(shè)定為150kHz。聲發(fā)射儀器采集門檻設(shè)置為35dB,峰值定義時間設(shè)置為300μs,撞擊定義時間設(shè)置為600μs,撞擊鎖閉時間設(shè)置為1000μs。
聲發(fā)射信號RMS值的變化曲線可以直接反映出金屬材料損傷趨勢,并且不會受到環(huán)境噪聲的影響。當被測設(shè)備處于運行階段也可進行監(jiān)測。圖1為金屬材料損傷過程的RMS與時間關(guān)系圖。

圖1 RMS值隨時間變化曲線
將本試驗下的金屬材料損傷階段劃分為三個,0到500s為線彈性變形階段、800到1300s為塑性變形階段、1300s后為硬化及斷裂階段。
根據(jù)靜力加載周期對聲發(fā)射信號的RMS值每50s取一次最大值,并對硬化及斷裂階段進行異常值處理,將得到的數(shù)據(jù)點進行三次樣條插值,得到500個數(shù)據(jù)點,即金屬材料損傷聲發(fā)射信號RMS值變化趨勢。如圖2所示。由圖2可以看出0到500s時RMS值緩慢增長,800到1300s材料由于頸縮現(xiàn)象RMS值先減小后線性增長,1300s后RMS值急劇增長達到最大值,材料斷裂后RMS值隨之減小。

圖2 三次樣條插值后的RMS值隨時間變化曲線
NAR神經(jīng)網(wǎng)絡(luò)模型主要包含輸入層、中間層和輸出層,是一種主要用于統(tǒng)計分析時間序列的動態(tài)神經(jīng)網(wǎng)絡(luò)模型。如果在單向傳遞信息過程中該信息只是單向地從一個輸入層傳遞信息到下一個輸出層,中間層的信息沒有任何信息反饋,則該網(wǎng)絡(luò)是靜態(tài)的;如果在單向傳遞信息過程中,輸出層的信息作為輸入信息反饋傳遞到上一個輸入層中,則這個網(wǎng)絡(luò)是動態(tài)的。由此看出,動態(tài)神經(jīng)網(wǎng)絡(luò)的這一基本性質(zhì)非常適用于時間序列的分析。
樣本總量為500,將數(shù)樣本的訓(xùn)練集比例劃分為為80%、測試集比例劃分為20%,神經(jīng)網(wǎng)絡(luò)模型的最佳回歸階數(shù)為6,神經(jīng)網(wǎng)絡(luò)模型的最佳隱層節(jié)點數(shù)為15。用設(shè)置好的nar神經(jīng)網(wǎng)絡(luò)模型對樣本訓(xùn)練。
對金屬材料塑形變形階段結(jié)束前開始預(yù)測,取前400個數(shù)據(jù)點作為訓(xùn)練集,預(yù)測值與真實值對比如圖3。從圖3可以看出,預(yù)測值與真實值的趨勢變化基本吻合,進入硬化及斷裂階段后RMS值急劇增長達到最大值,隨后材料斷裂,RMS值隨之減小。符合金屬材料損傷硬化及斷裂階段的聲發(fā)射信號RMS值變化趨勢。

圖3 nar神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果
結(jié)論:本文對靜載試驗下的金屬材料進行了聲發(fā)射監(jiān)測,利用NAR神經(jīng)網(wǎng)絡(luò)建立了金屬材料損傷的聲發(fā)射信號時間序列預(yù)測模型,并對金屬材料損傷的聲發(fā)射信號變化趨勢進行了短期趨勢預(yù)測。金屬材料損傷過程的聲發(fā)射信號變化趨勢具有高度的非線性,由于NAR神經(jīng)網(wǎng)絡(luò)通過機器學(xué)習(xí)非線性的內(nèi)在影響規(guī)律,NAR神經(jīng)網(wǎng)絡(luò)模型不包含輸入值,不會受到輸入數(shù)據(jù)的影響,因此,NAR神經(jīng)網(wǎng)絡(luò)對金屬材料損傷的聲發(fā)射信號變化趨勢預(yù)測周期相對較長。使其在金屬材料損傷過程的聲發(fā)射信號時間序列趨勢預(yù)測中有著較高的預(yù)測精度。