一种预测复合材料疲劳寿命的方法技术

本发明专利技术提供了一种预测复合材料疲劳寿命的方法，所述方法包括以下步骤：(1)对复合材料进行模态测试，得到频率值；将频率值代入疲劳寿命预测模型，得到预测的疲劳寿命，其中，所述疲劳寿命预测模型为关于交变循环次数与频率的疲劳寿命预测模型，所述交变循环次数与频率的数据通过交变疲劳载荷下同时进行疲劳试验和模态试验得到。本发明专利技术的方法只需采用简便易得的振动采集设备就能实现频率的采集，并进而预测疲劳寿命，简便易行且具有很好疲劳寿命预测的精度。

【技术实现步骤摘要】
一种预测复合材料疲劳寿命的方法
本专利技术涉及复合材料疲劳寿命领域，具体涉及一种预测复合材料疲劳寿命的方法。
技术介绍
纤维增强复合材料具有高的比强度、比模量、可设计性、耐腐蚀性等优点，现已广泛应用于航空航天、建筑土木、能源交通、海洋工程等领域。在工程应用中，许多纤维增强复合材料构件或部件在工作中长期承受反复作用的交变载荷，材料内部会逐渐萌生裂纹，随着疲劳损伤的不断累积，复合材料的强度与刚度严重下降，材料的使用寿命大大缩短。因此，对复合材料的疲劳寿命进行预测，具有重要意义。目前的疲劳寿命预测技术基本上都是通过变化着的机械性能(如剩余强度、剩余刚度)为参量来描述疲劳损伤的演化，并建立这些参量与疲劳寿命的联系，从而预测疲劳寿命。现有技术要测量剩余强度和剩余刚度这些参量来预测疲劳寿命，首先，测量复合材料的剩余强度和剩余刚度都无法在线进行，即需要将正在服役的复合材料构件拆下来再放到测试设备上进行测量；其次，测量这些参量需要借助较为昂贵的试验设备，如疲劳试验机；第三，测量剩余强度时还将破坏复合材料试件，属于破坏性的测试过程。
技术实现思路
本专利技术的目的在于克服现有技术存在的不足之处而提供一种预测复合材料疲劳寿命的方法。为实现上述目的，本专利技术采取的技术方案为：一种预测复合材料疲劳寿命的方法，所述方法包括以下步骤：(1)对复合材料进行模态测试，得到频率值；(2)将频率值代入疲劳寿命预测模型，得到预测的疲劳寿命，其中，所述疲劳寿命预测模型为关于交变循环次数与频率的疲劳寿命预测模型，所述交变循环次数与频率的数据通过交变疲劳载荷下同时进行疲劳试验和模态试验得到。所述方法以振动频率为参量来预测疲劳寿命，只需借助常见易得的振动设备就可采集频率数据，且无需破坏试件，此外，振动频率还可以实现在线测量，即对正在服役的复合材料进行原位测试以获取振动信号，然后提取频率数据进行分析后便可以对复合材料的疲劳寿命进行评估。优选地，所述交变疲劳载荷下进行疲劳试验得到由交变循环次数构成的集合A和由频率构成的集合B，所述集合A中的元素为交变循环次数，所述集合B中的元素为频率，所述疲劳寿命预测模型为所述集合A和集合B一一映射的模型。优选地，所述疲劳寿命预测模型为关于交变循环次数与频率的多项式函数模型，所述多项式函数模型通过最小二乘法拟合得到。优选地，所述多项式函数模型为以交变循环次数为因变量、频率为自变量的一元M次多项式，其中M为不小于1的整数。优选地，所述疲劳寿命预测模型为关于交变循环次数与频率的训练人工神经网络模型，频率F作为人工神经网络的输入，交变循环次数N作为输出，对人工神经网络进行训练，通过训练人工神经网络建立人工智能预测模型。优选地，所述进行疲劳试验和模态试验得到交变循环次数与频率数据的方法包括以下步骤：(1)确定复合材料的静拉伸/压缩应力；(2)对初始状态的复合材料试件进行振动测试，获得其初始频率；(3)根据步骤(1)测得的复合材料最大应力，设定疲劳试验的应力水平，在设定的应力水平下，将复合材料试件在交变疲劳载荷下进行疲劳试验，每隔一定的交变循环次数，停止疲劳试验，测试复合材料在该交变循环次数下的振动频率，重复此步骤至复合材料试件断裂，由此得到由交变循环次数作为元素构成的集合A和由频率作为元素构成的集合B，集合A与集合B一一映射。优选地，所述设定的应力为最大应力的65％-85％。优选地，所述频率为1-N阶频率中随交变循环次数增加而衰减的趋势最显著的频率，其中，N为大于1的正整数。优选地，所述进行疲劳试验得到交变循环次数与频率的方法的步骤(3)中，每隔一定的交变循环次数，停止疲劳试验，测试复合材料在该交变循环次数下的振动频率，所述每隔一定的交变循环次数的间隔相同或者不同。优选地，集合A中的元素个数的范围为6-12个。当集合A中的元素个数的范围为6-12个时，可以使本专利技术实现通过采集较少的数据得到更好预测模型。本专利技术的有益效果在于：本专利技术提供了一种预测复合材料疲劳寿命的方法采用频率来预测复合材料的疲劳寿命，本专利技术的方法只需采用简便易得的振动采集设备就能实现频率的采集，并进而预测疲劳寿命，简便易行；频率可以在复合材料构件处于服役状态时进行测试，不干扰复合材料试件的实际使用，本专利技术属于一种在线预测疲劳寿命的先进方法；相对于基于剩余强度的模型，本专利技术不需要对结构进行剩余强度破坏实验，所需的试件数量较少，大大减少了实验的成本；本专利技术具有较大的预测精度，相对于剩余刚度模型而言，剩余刚度的缺点之一便是对复合材料内部微小损伤不太敏感，而往往在复合材料疲劳寿命的后期，会出现刚度迅速下降，即材料“突然死亡”段，而基于频率的预测模型对复合材料微小损伤较为敏感，频率的变化存在一种基于刚度变化后的放大效应，且频率有很多阶，可以从中选取对损伤最敏感的某一阶频率用于疲劳寿命预测，这样可以保证疲劳寿命预测的精度。附图说明图1为本专利技术实施例的构建疲劳寿命预测模型的趋势图。图2为本专利技术实施例的构建疲劳寿命预测模型的趋势图。图3为本专利技术实施例的构建的二次多项式的疲劳寿命预测模型图。具体实施方式为更好的说明本专利技术的目的、技术方案和优点，下面将结合具体实施例对本专利技术作进一步说明。实施例1作为本专利技术实施例的一种预测复合材料疲劳寿命的方法，所述方法包括以下步骤：(1)使用万能材料试验机进对复合材料试件进行静态拉伸/压缩实验以确定复合材料的静拉伸/压缩应力；(2)使用振动采集设备(如加速度传感器、激光扫描测振仪)对初始状态(尚未进行疲劳实验)的复合材料试件进行振动测试，获得其初始频率；(3)根据步骤(1)测得的复合材料最大应力，设定疲劳试验的应力水平，在设定的应力水平下，设定的应力为最大应力的75％，将复合材料试件在交变疲劳载荷下进行疲劳试验，每隔一定的交变循环次数，停止疲劳试验，测试复合材料试件在该疲劳状态下的振动频率，重复此步骤至复合材料试件断裂，由此得到多个“交变循环次数”与“频率”一一对应的数据点；(4)基于测试得到的多个数据点构建疲劳寿命预测模型，所述构建疲劳寿命预测模型方法：利用疲劳试验和振动测试得到的“频率-交变循环次数”(F-N，Frequency-Numberofcycles)数据，采用最小二乘法拟合得到多项式(如y＝ax2+bx+c，其中y为循环次数，x为频率，a，b，c三个系数的值由拟合得到)；(5)使用振动采集设备(如加速度传感器、激光扫描测振仪)对复合材料进行模态测试，得到频率值；(6)将频率值代入疲劳寿命预测模型即可实现对疲劳寿命的预测。实施例2作为本专利技术实施例的一种预测复合材料疲劳寿命的方法，本实施例的方法与实施例1的区别为：基于试验得到的“F-N”数据，训练人工神经网络ANN(ArtificialNeuralNetwork)，将频率F作为人工神经网络的输入，交变循环次数N作为输出，对人工神经网络进行训练，最终，通过训练人工神经网络建立人工智能预测模型。实验例1将依据疲劳测试规范设计和制作好的复合材料试件在初始状态下先进行振动测试(当前采用PSV-500激光扫描测振仪)，得到初始频率值，然后对复合材料试件进行疲劳试验(当前采用MTS810万能试验机)，并每隔一定的循环次数停止疲劳试验，将试件取下，再采用激光扫描测振仪进行频率采集，如此按照“疲劳试验本文档来自技高网...

【技术保护点】
1.一种预测复合材料疲劳寿命的方法，其特征在于，所述方法包括以下步骤：(1)对复合材料进行模态测试，得到频率值；(2)将频率值代入疲劳寿命预测模型，得到预测的疲劳寿命，其中，所述疲劳寿命预测模型为关于交变循环次数与频率的疲劳寿命预测模型，所述交变循环次数与频率的数据通过交变疲劳载荷下同时进行疲劳试验和模态试验得到。

【技术特征摘要】
1.一种预测复合材料疲劳寿命的方法，其特征在于，所述方法包括以下步骤：(1)对复合材料进行模态测试，得到频率值；(2)将频率值代入疲劳寿命预测模型，得到预测的疲劳寿命，其中，所述疲劳寿命预测模型为关于交变循环次数与频率的疲劳寿命预测模型，所述交变循环次数与频率的数据通过交变疲劳载荷下同时进行疲劳试验和模态试验得到。2.根据权利要求1所述的预测复合材料疲劳寿命的方法，其特征在于，所述交变疲劳载荷下进行疲劳试验得到由交变循环次数构成的集合A和由频率构成的集合B，所述集合A中的元素为交变循环次数，所述集合B中的元素为频率，所述疲劳寿命预测模型为所述集合A和集合B一一映射的模型。3.根据权利要求2所述的预测复合材料疲劳寿命的方法，其特征在于，所述疲劳寿命预测模型为关于交变循环次数与频率的多项式函数模型，所述多项式函数模型通过最小二乘法拟合得到。4.根据权利要求3所述的预测复合材料疲劳寿命的方法，其特征在于，所述多项式函数模型为以交变循环次数为因变量、频率为自变量的一元M次多项式，其中M为不小于1的整数。5.根据权利要求3所述的预测复合材料疲劳寿命的方法，其特征在于，所述疲劳寿命预测模型为关于交变循环次数与频率的训练人工神经网络模型，频率F作为人工神经网络的输入，交变循环次数N作为输出，对人工神经网络进行训练，通过...

【专利技术属性】
技术研发人员：张芝芳，梁智洪，廖兴升，傅继阳，刘爱荣，吴玖荣，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东,44