本文關(guān)鍵詞：基于聲發(fā)射信號分析的2D及3D紡織結(jié)構(gòu)復(fù)合材料損傷機(jī)制研究　出處：《東華大學(xué)》2015年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 纖維增強(qiáng)復(fù)合材料 聲發(fā)射 損傷機(jī)制 聚類分析

【摘要】：隨著纖維增強(qiáng)復(fù)合材料更加廣泛地應(yīng)用到航空航天、汽車和建筑工程等領(lǐng)域，損傷破壞等安全性問題是其生產(chǎn)和使用的前提和關(guān)鍵。聲發(fā)射技術(shù)是一種實時無損檢測技術(shù)，比其它無損檢測方法能更早地預(yù)報出復(fù)合材料及結(jié)構(gòu)的損傷。由于復(fù)合材料在加載過程中可產(chǎn)生大量聲發(fā)射信號，且聲發(fā)射信號包含了關(guān)于損傷源許多有用的信息，對這些信息進(jìn)行解析可為我們了解和掌握復(fù)合材料損傷破壞機(jī)理提供有效的依據(jù)。復(fù)合材料聲發(fā)射技術(shù)研究的目的是識別聲發(fā)射信號包含的損傷源信息，所以對大量聲發(fā)射信號的分類以及與損傷機(jī)制之間建立聯(lián)系成為研究的重點，也是難點。近年來，聚類分析是一種被廣泛接受的用于區(qū)別大量聲發(fā)射信號的一種無監(jiān)督的模式識別技術(shù)。聲發(fā)射技術(shù)用于纖維增強(qiáng)復(fù)合材料的損傷研究已有不少報道，但主要是針對單向和正交熱固性復(fù)合材料，而在2D及3D紡織復(fù)合材料等復(fù)雜增強(qiáng)體熱固性復(fù)合材料以及熱塑性復(fù)合材料方面的研究和結(jié)果比較少。 本論文提出了表征聲發(fā)射信號的Laplacian分值結(jié)合相關(guān)分析及主成分分析的特征選擇方法，以復(fù)雜結(jié)構(gòu)纖維增強(qiáng)復(fù)合材料拉伸過程產(chǎn)生的聲發(fā)射信號為基礎(chǔ)，對六種聚類算法進(jìn)行了對比討論；采用Silhouette值及Davies-Bouldin指標(biāo)進(jìn)行聚類有效性判定，并基于Matlab軟件設(shè)計開發(fā)了簡單實用的聚類分析工具，便于對聲發(fā)射信號數(shù)據(jù)進(jìn)行聚類分析和處理。本論文采用聲發(fā)射信號聚類分析技術(shù)對熱固性復(fù)雜結(jié)構(gòu)和熱塑性復(fù)合材料進(jìn)行了全面的研究。首先探討了2D及3D玻璃纖維和碳纖維機(jī)織增強(qiáng)熱固性復(fù)合材料的拉伸聲發(fā)射信號特征與聚類分析，其次對PE/PE梯度熱塑性復(fù)合材料的力學(xué)性能和聲發(fā)射信號特征進(jìn)行了分析，然后分別采用基于Weibull理論的纖維束模型、數(shù)字高速攝影技術(shù)裂紋計數(shù)法、掃描電子顯微鏡技術(shù)等，建立了不同聚類與損傷機(jī)制之間的聯(lián)系，并結(jié)合損傷閾值方法討論了纖維增強(qiáng)復(fù)合材料拉伸過程中損傷的產(chǎn)生與發(fā)展過程，最后采用小波分析方法討論了熱固性和熱塑性復(fù)合材料聲發(fā)射特征的異同。論文研究的詳細(xì)內(nèi)容如下： 1.考慮到聚類分析過程中特征選擇的重要性，針對聲發(fā)射信號研究了特征選擇方法。提出了采用Laplacian分值和相關(guān)分析的特征選擇方法，以消除特征冗余，選擇出具有較高分類能力及表征聲發(fā)射信號的特征參數(shù)。在進(jìn)行聚類分析前，對選取的九個聲發(fā)射信號進(jìn)行特征選擇，選擇出四個特征：峰值振幅、峰值頻率、RA值及質(zhì)心頻率為具有分類能力的特征，根據(jù)主成分分析法可以找出有效表征聚類聲發(fā)射信號的參數(shù)，便于對聚類結(jié)果的分析和討論。 2.對比研究了k-means、 k-means++、 fuzzy c-means (FCM)、SOM+k-means、SOM+FCM和自適應(yīng)仿射傳播AAP算法用于聚類復(fù)合材料AE信號數(shù)據(jù)的優(yōu)缺點。k-means++和AAP算法的聚類效果較好，但是AAP算法的計算時間較長，計算成本較大，且必須保證選取的AE信號特征參數(shù)使信號之間分離度較好時才易于收斂，否則將陷入不斷迭代過程，而k-means++算法對于初始聚類中心優(yōu)化選擇，易得到好的聚類結(jié)果，且算法簡便、計算成本低、計算速度快，更適用于復(fù)合材料AE信號數(shù)據(jù)的聚類分析。基于MatlabR2013a軟件設(shè)計開發(fā)了聚類分析工具，，可對不同材料加載產(chǎn)生的未知聲發(fā)射信號進(jìn)行全面的分析處理。 3.研究了2D及3D玻璃纖維機(jī)織熱固性復(fù)合材料的聲發(fā)射信號特征。采用聚類分析技術(shù)對熱固性2D平紋及3D正交玻璃纖維增強(qiáng)環(huán)氧樹脂復(fù)合材料的拉伸過程產(chǎn)生的聲發(fā)射信號數(shù)據(jù)進(jìn)行了分析和處理。特征選擇方法選擇出的四個聲發(fā)射特征可將AE事件可分為四類。峰值振幅與峰值頻率是可以表征AE信號的最重要的聲發(fā)射特征參數(shù)，所有試樣的聚類分布形狀和聚類邊界范圍相似。 4.研究了2D及3D碳纖維機(jī)織熱固性復(fù)合材料的聲發(fā)射信號特征。對聲發(fā)射信號進(jìn)行了聚類分析并與相同結(jié)構(gòu)的玻璃纖維/環(huán)氧樹脂復(fù)合材料的聚類結(jié)果進(jìn)行了對比與討論，結(jié)果表明，相同結(jié)構(gòu)不同材料的聲發(fā)射信號的聚類分布及聚類參數(shù)范圍相似，而碳纖維的聚類邊界值比玻璃纖維高。2D及3D復(fù)合材料不同加載方向產(chǎn)生的聲發(fā)射信號可歸納為三類：低振幅低頻率類，高振幅低頻率類，以及寬振幅高頻率類。 5.研究了熱固性復(fù)合材料聲發(fā)射信號聚類結(jié)果與損傷機(jī)制之間的聯(lián)系。基于Weibull理論纖維束模型模擬了纖維斷裂數(shù)目，考察了高頻聚類中的聲發(fā)射信號數(shù)目的對比，結(jié)果顯示出一定程度上的一致性，為高頻聲發(fā)射事件與纖維斷裂相關(guān)提供了額外的依據(jù)。根據(jù)2D玻璃纖維/環(huán)氧樹脂復(fù)合材料在透射光下的特點，采用數(shù)字高速攝影技術(shù)對可見裂紋進(jìn)行了計數(shù)，將不同聚類中的聲發(fā)射事件與原位觀察到的裂紋數(shù)目和發(fā)展趨勢進(jìn)行了對比，并建立了機(jī)織熱固性復(fù)合材料聲發(fā)射信號聚類與典型損傷機(jī)制之間的聯(lián)系。 6.研究了熱塑性纖維增強(qiáng)復(fù)合材料的力學(xué)性能，并采用聲發(fā)射聚類分析技術(shù)和損傷閾值方法探討了拉伸損傷機(jī)制。首先，分別制備和研究了單向及正交梯度PE/PE復(fù)合材料的力學(xué)性能，并分析了正交梯度和非梯度材料的聲發(fā)射信號能量分布及特征。其次，對PE/PE正交梯度復(fù)合材料的拉伸聲發(fā)射信號進(jìn)行了分析和聚類，不同試樣的聲發(fā)射信號分為5類時最佳，峰值振幅與質(zhì)心頻率作為主要模式特征對聚類結(jié)果進(jìn)行了討論。然后，結(jié)合文獻(xiàn)中模型試樣的AE特征及頻譜分析結(jié)果，建立了5個聚類與5種典型損傷機(jī)制之間的聯(lián)系；并采用小波分析法比較了熱固性和熱塑性復(fù)合材料聲發(fā)射信號特征，熱固性復(fù)合材料AE信號的相應(yīng)頻率成分的持續(xù)時間比熱塑性復(fù)合材料長，衰減較慢，且熱塑性復(fù)合材料的低頻AE信號的頻率分布較為集中。
[Abstract]:In recent years , cluster analysis is a kind of non - supervised pattern recognition technology which is widely accepted to distinguish a large number of acoustic emission signals . Based on the analysis of the Laplacian value of the acoustic emission signal and the feature selection method of the principal component analysis , this paper makes a comparative discussion on the six kinds of clustering algorithms based on the acoustic emission signal generated by the stretching process of the fiber reinforced composite material . 1 . Considering the importance of feature selection in cluster analysis , the feature selection method is studied for the acoustic emission signal . The feature selection method of Laplacian value and correlation analysis is proposed to eliminate the feature redundancy . Four characteristics are selected : the peak amplitude , the peak frequency , the RA value and the centroid frequency are the characteristics of the classification ability . According to the principal component analysis method , we can find out the parameters which can effectively characterize the acoustic emission signal and facilitate the analysis and discussion of clustering results . 2 . Comparing the advantages and disadvantages of k - means , k - means ++ , fuzzy c - means ( FCM ) , SOM + k - means , SOM + FCM and adaptive affine propagation , the clustering results of AE signal data of cluster composite materials are better . 3 . The acoustic emission signal characteristics of 2D and 3D glass fiber woven thermosetting composites were studied . The acoustic emission signal data generated by the stretching process of the thermosetting 2D plain film and the 3D orthogonal glass fiber reinforced epoxy resin composite material were analyzed and processed by cluster analysis technique . The four acoustic emission characteristics selected by the feature selection method can be divided into four categories . The peak amplitude and the peak frequency are the most important acoustic emission characteristic parameters that can characterize the AE signal , and the cluster distribution shapes and cluster boundary ranges of all samples are similar . 4 . The acoustic emission signal characteristics of 2D and 3D carbon fiber woven thermosetting composites were studied . The results show that the cluster distribution of the acoustic emission signals and the cluster parameter ranges are similar to that of the glass fiber / epoxy resin composites with the same structure . The results show that the acoustic emission signals generated by different loading directions of the 2D and 3D composites are classified into three types : low - amplitude low - frequency class , high - amplitude low - frequency class , and wide - amplitude high - frequency class . 5 . The relation between the clustering result and the damage mechanism of the acoustic emission signals of thermosetting composites is studied . Based on the Weibull theory , the number of fiber breaks is simulated , the number of acoustic emission signals in the high frequency cluster is compared , the results show that some degree of consistency is provided . According to the characteristics of the 2D glass fiber / epoxy resin composite material under transmitted light , the visible cracks are counted by the digital high - speed photography technology . The relationship between the acoustic emission events in different clusters and the number of cracks observed in situ is compared , and the relationship between the acoustic emission signal cluster and the typical damage mechanism of the woven thermosetting composite material is established . 6 . The mechanical properties of thermoplastic fiber reinforced composites were studied . The mechanical properties of unidirectional and orthogonal gradient PE / PE composites were investigated by acoustic emission cluster analysis technique and damage threshold method .

【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TQ327;TB33

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 蘇永振;袁慎芳;張炳良;;基于聲發(fā)射和神經(jīng)網(wǎng)絡(luò)的復(fù)合材料沖擊定位[J];傳感器與微系統(tǒng);2009年09期

2 張同華;楊璧玲;彭永超;晏雄;;基于聲發(fā)射檢測技術(shù)的PE/PE自增強(qiáng)復(fù)合材料破損機(jī)理分析[J];材料工程;2007年01期

3 李偉;吳超群;王艷茹;王宇;蔣鵬;;基于小波神經(jīng)網(wǎng)絡(luò)的FRP復(fù)合材料損傷聲發(fā)射信號識別[J];化工機(jī)械;2011年03期

4 沈功田,段慶儒,周裕峰,李幫憲,劉其志,李春樹,蔣仕良;壓力容器聲發(fā)射信號人工神經(jīng)網(wǎng)絡(luò)模式識別方法的研究[J];無損檢測;2001年04期

5 耿榮生,沈功田,劉時風(fēng);聲發(fā)射信號處理和分析技術(shù)[J];無損檢測;2002年01期

6 沈功田,耿榮生,劉時風(fēng);聲發(fā)射信號的參數(shù)分析方法[J];無損檢測;2002年02期

7 王更峰;張永興;趙奎;;砂巖Kaiser點信號識別特征研究[J];巖土力學(xué);2010年06期

8 鄧艾東;趙力;包永強(qiáng);;粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)用于碰摩聲發(fā)射源定位[J];中國電機(jī)工程學(xué)報;2009年32期

相關(guān)博士學(xué)位論文 前1條

1 王旭;基于聲發(fā)射技術(shù)的聚乙烯自增強(qiáng)復(fù)合材料損傷模式識別研究[D];東華大學(xué);2010年

本文編號：1437434