基于小波包分解的复合材料试样损伤识别与失效分析方法技术

本发明专利技术涉及复合材料声发射检测研究领域，旨在提供一种基于小波包分解的复合材料试样损伤识别与失效分析方法。包括：针对复合材料铺层试样进行声发射试验，提取声发射信号并进行小波包分解；基于小波包能量比例和k

【技术实现步骤摘要】
基于小波包分解的复合材料试样损伤识别与失效分析方法


[0001]本专利技术涉及复合材料声发射检测研究领域，尤其涉及一种基于小波包分解的复合材料铺层试样损伤模式识别与失效过程分析方法。

技术介绍

[0002]随着社会的持续进步和科技的不断发展，单一材料愈来愈难以满足先进技术对材料强度、刚度、密度、耐久性等多方面的严苛要求。因此，由两种或多种具有不同特性的材料组合而成的复合材料发挥着越来越重要的作用，其中以纤维增强聚合物复合材料(Fiber
‑
Reinforced Polymer，FPR)应用最为广泛。铺层工艺法是复合材料的一种成型方法：用铺叠方式将预浸材料(无纬布、无纬带、编织物等)按预定方向和顺序在模具内逐层铺贴直至所需的厚度(或层数)，经加温加压固化、脱模、修整而获得制品。铺层成型的制品强度较高，而且可以根据不同方向的受力情况制成强度各向异性的产品。恶劣的服役环境和复杂的载荷工况给复合材料结构的长期稳定服役带来了巨大的挑战，故有必要发展非破坏性损伤探测技术和结构健康监测技术，其中声发射技术就具有这方面的发展潜力。
[0003]材料内部出现损伤时，损伤源快速释放能量产生瞬态弹性波，称之为声发射现象，弹性波在材料中传播，到达材料表面后会引起表面产生微小幅度的振动，此微弱振动信号通常可用传感器检测并被转换为电信号，经采集系统放大、预处理和数字化后被记录。
[0004]声发射信号蕴含了与损伤初始和演化相关的信息，若要挖掘损伤相关信息，就必须发展合适的信号分析和处理方法。按照一定的定义或数学模型可从撞击信号的时域波形或其频谱中提取到各式各样的声发射特征，而特征通常是声发射信号分析和处理的重要基础。
[0005]声发射特征选择十分重要却又常被忽视，尤其在实时监测中，声发射信号是以数据流的形式产生的，其对特征选择的影响尚未探明，故基于全部声发射数据的损伤模式识别的可靠性仍待验证；除了损伤识别，声发射特征蕴含的与损伤表征相关的其他信息仍有待挖掘。
[0006]常规的复合材料损伤模式的声发射响应特性识别往往依赖于多个经筛选的常规声发射特征组成的特征集合，其中包含的原始信号波形的信息量是未知的，且该特征集合往往因仪器设定、材料体系、载荷方式、结构形式和环境而异。关键在于此类特征集合包含原始波形中的信息量难以衡量，导致不同条件下的信号表征缺乏可比性，同一条件下不同特征之间缺乏可比性，如特征的量纲不尽相同，并且信号在各个特征维度上的取值波动范围通常不在同一数量级。因此，在损伤识别前信号的预处理过程较为繁琐，信号表征方式更适合于基于静态数据集(如试样失效过程产生的所有声发射数据)的损伤识别。
[0007]针对于现有的损伤识别模型存在的信号前处理过程繁多和特征覆盖信息难以衡量等问题，本专利技术发展复合材料中声发射数据流的特征选择方法以提供一个更简洁、可靠的声发射信号表征方法，并以此开展复合材料铺层试样损伤模式识别与失效过程分析。

技术实现思路

[0008]本专利技术要解决的技术问题是，克服现有技术中的不足，提供一种尤其涉及一种基于小波包分解的复合材料铺层试样损伤模式识别与失效过程分析方法。
[0009]为解决技术问题，本专利技术的解决方案是：
[0010]提供一种基于小波包分解的复合材料铺层试样损伤模式识别与失效过程分析方法，包括以下步骤：
[0011](1)针对复合材料铺层试样进行声发射试验，提取声发射信号并进行小波包分解；
[0012](2)基于小波包能量比例和k
‑
means++算法，建立不同损伤模式下声发射信号全频域响应特性与损伤机制的关联关系；基于相似性度量，通过高维向量的聚类实现损伤模式识别，并对损伤模式的失效过程进行分析；
[0013](3)基于累积小波包能量对试样的损伤模式识别与失效过程分析进行验证。
[0014]作为本专利技术的优选方案，所述步骤(1)具体包括：
[0015](1.1)提取各声发射撞击信号的原始波形信号，通过使用离散小波变换的多次迭代推导得到入波形的频域细节；
[0016](1.2)根据最小香农熵选择最佳小波包基，采用小波包分解在多分辨率分析中分解小波子空间，实现对信号任意频段的聚焦，得到重构信号在不同层级和频率范围内的能量比例，将声发射波形信号表征为高维向量。
[0017]作为本专利技术的优选方案，所述步骤(2)具体包括：
[0018](2.1)将声发射信号视为高维空间中的向量，用余弦相似度衡量不同信号的相近程度；
[0019](2.2)将声发射撞击信号表征的向量间的余弦相似度作为小波包分解表征的高维向量的聚类依据，采用k
‑
means++算法实现声发射数据的损伤模式识别；利用声发射撞击信号对的累积数目，构造一个与时间相关的损伤类别转化矩阵，用于表征各损伤模式之间的转化关系并实现失效过程的分析；
[0020]作为本专利技术的优选方案，所述损伤模式有四种，分别为：基体开裂、纤维/基体界面脱粘、层间分层、纤维断裂；其中纤维断裂的峰值频率大小最高，其次是层间分层和纤维/基体界面脱粘，最次是基体开裂。
[0021]作为本专利技术的优选方案，所述步骤(3)具体包括：利用各损伤模式在不同频段上的累积小波包能量数值高低差异和跃升时间区别，以及同种损伤模式下累积小波包能量在各频段中的变化趋势，对步骤(2)获得的对试样的损伤模式识别与失效过程分析结果进行验证。
[0022]与现有技术相比，本专利技术的有益效果是：
[0023]1、本专利技术通过提取小波包能量比例和小波包能量两组特征，基于能量比例和聚类分析确定了复合材料四种损伤机制在全频域的响应特性；基于小波包能量的累积统计完成了FRP单向板的失效过程分析；能够获得在多种环境下进行复合材料的损伤分类与失效过程分析，并且适用于动态数据集。
[0024]2、本专利技术通过基于小波包分解FRP声发射信号，减少了基于声发射响应特性的损伤识别中的噪音去除、特征选择、特征归一化等步骤，极大地提高了损伤识别运算效率。
[0025]3、现有技术的复合材料损伤模式的声发射响应特性识别往往依赖于多个经筛选
的常规声发射特征组成的特征集合，此类特征集合包含原始波形中的信息量难以衡量，导致不同条件下的信号表征缺乏可比性，同一条件下不同特征之间缺乏可比性，且前期繁琐的信号预处理步骤使其无法应用于实时健康监测中产生的动态数据流。
[0026]与现有技术相比，本专利技术提供了一个更简洁、可靠的复合材料声发射数据流的声发射信号表征方法，进行复合材料铺层试样损伤模式识别与失效过程分析。
[0027]4、由于随着损伤过程的持续，各损伤模式在主要频段上的能量比例波动很小，可以忽略不计，说明基于小波包能量比例的损伤识别关于损伤过程是鲁棒的。因此，本专利技术适用于多种环境下复合材料的损伤分类与失效过程分析。
附图说明
[0028]图1是一种基于小波包分解的复合材料铺层试样声发射信号表征方法流程图；
[0029]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波包分解的复合材料试样损伤识别与失效分析方法，其特征在于，包括以下步骤：(1)针对复合材料铺层试样进行声发射试验，提取声发射信号并进行小波包分解；(2)基于小波包能量比例和k
‑
means++算法，建立不同损伤模式下声发射信号全频域响应特性与损伤机制的关联关系；基于相似性度量，通过高维向量的聚类实现损伤模式识别，并对损伤模式的失效过程进行分析；(3)基于累积小波包能量对试样的损伤模式识别与失效过程分析进行验证。2.根据权利要求1所述的方法，其特征在于，所述步骤(1)具体包括：(1.1)提取各声发射撞击信号的原始波形信号，通过使用离散小波变换的多次迭代推导得到入波形的频域细节；(1.2)根据最小香农熵选择最佳小波包基，采用小波包分解在多分辨率分析中分解小波子空间，实现对信号任意频段的聚焦，得到重构信号在不同层级和频率范围内的能量比例，将声发射波形信号表征为高维向量。3.根据权利要求1所述的方法，其特征在于，所述步骤(...

【专利技术属性】
技术研发人员：刘鹏飞，陈泓宇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：