石兆北

（陆军航空兵学院 101123）

摘要：通过声发射传感器和相配套的系统，通过声发射信号的特征来判断结构工作状况。材料的断裂的每一个阶段都有一定的声发射现象，将过程与模式对应起来，选取神经网络算法，对结构破坏阶段进行模式识别，对结构的损伤阶段进行预测。

关键词：声发射，三点弯曲，神经网络，模式识别

人工神经网络声发射信号处理正在逐渐成为国内外声发射研究领域的重大方向。人工神经网络可以实现自我学习，在此基础上进行自我改正，然后再进一步的进行组织，对同时发生的大量数据有着有效的解决方法。从而可以应对噪声对声发射信号的干扰现象，能够比较准确的进行模式的识别。

本文观察了材料在三点弯实验中的声发射特征，根据神经网络的特点以及采集的声发射时域特征信号到神经网路中各个模式的对应关系，有导师的学习的神经网络比较适合本文的实验，同时本文选用了当前神经网络中成熟而高效的B-P神经网络。

1.声发射原理

材料在受到外力或者内力的作用时会产生开裂变形，并且以弹性波的形式释放出能量，这种现象称为声发射。

在各种材料加工处理过程及最终的使用过程之中，材料的缺陷断裂处会发出声发射信号。信号会从断裂处以能量波的形式不断向外传播，直到材料的表面。

2.三点弯声发射实验

此次试验中所用的材料是45钢，实验所用的加载设备是UTM5105型号数字化电子万能试验机，万能拉伸试验件的配套监测仪器是NI-PXI电子化声发射监测系统。

实验的方法是三点弯，实验的实际过程中并没有出现真正的斷裂，力时间曲线后期并没有出现理想中的下降，材料形核后面的阶段区分度不明显，模式识别存在较大误差，故采取对前四个阶段进行模式的识别。从时间上将实验数据分为弹性变形、塑性变形、裂纹形核、裂纹拓展失稳四个模式。

实验采取了各阶段数据，提取时域特征信号后，随着力的不断增加进行，可以比较清晰地发现材料对应于四个阶段的声发射特征较明显，每个阶段都有不同。第一阶段材料中释放的能量较少，各参数值较小；第二阶段材料内部有一定的能量释放，信号强度相比一阶段有了提高；第三阶段材料内部裂纹开始形核，新的裂纹核不断形成，能量大量释放，信号活跃；第四个阶段，小裂纹汇集为大裂纹，裂纹向前不断扩展，材料抵抗外力能力不断下降，声发射信号的强度先保持较高的值，之后材料内部裂纹的急剧扩展，导致材料抵抗外力的能力急剧下降，表现为声发射的各个参数的数值急剧下降。

实验中，采集了含有能量、峰值、有效值电压、幅值、计数五个参数的数据库，总结数据，使四个阶段的特征足够明显，取出数据库中的80组数据以便后面的神经网络编程中取用。

3.神经网络

（1）构建与训练

本文中用到的神经网络，是B-P神经网络，这个网络的特点是具有反馈性，应用比较广泛，可信度比较高，编程用的是Matlab里面的强大的库函数，这些函数大多来自神经网络工具箱。

隐含层数根据公式定为10，采用tansig为激励函数，使用Levenberg—Marquadt反传算法trainlm作为训练函数，可以加快网络的收敛，能大量的节省训练学习时间，采用梯度下降动量学习算法learnbpm作为本次算法中的学习函数，精度要求为0.01，算法之中的误差采用一般的均方误差函数计算，学习步长为0.01，其他参数取默认值[1]。

输入层包括上升时间、计数、能量、幅值、有效电压5个维度，隐层采用了10个节点，输出层有四个模式，包括弹性阶段（1000），塑性阶段（0100）、裂纹形核阶段（0010）和裂纹拓展断裂阶段（0001）四个部分。

从断裂开始的四个模式中选取了80组数据，其中的48组用来进行网络的训练，剩余的32组进行识别的验证，48组中有每个模式中对应有12组，32组中每个模式对应有8组。

（2）模式识别

从识别结果可看出，斜体红色为识别失败的点。其中，前四组数据的识别输出期望为（1000），第二组误差较大，识别失败，其他识别成功；中间四组数据的识别输出期望为（0100），而第四组误差较大，识别失败，其他识别成功；下面四组的识别输出期望为（0010），四组数据均在误差范围内，识别成功；最后四组的识别期望输出为（0001），而第一组识别失败，其他成功。总体来说，识别的正确率达到了81.25%。

识别失败的点主要集中在前两个阶段，主要是声发射的能量比较小，参数的值比较小，噪声相对干扰就对较大，数据存在一定误差，从而产生了较大的识别误差。

3.1 部分识别结果

4.工作总结

本文研究了基于神经网络模式识别的声发射检测技术。人工神经网络可解决大量数据，由于神经网络可以自学习，自校正，自组织，因而大大提高了声发射信号中存在的噪声干扰的问题，能够比较准确地进行模式的识别及判断声发射源的情况，在声发射的模式识别、损伤探测上有着较好的应用前景，目前已有一定的应用，随着神经网络的不断完善，在无损检测上可能应用更广泛。

参考文献：

[1] 周开利；康耀红.神经网络模型及其Matlab仿真程序设计[M].北京：清华大学出版社，2005.