基于聲發射和雙譜分析的鋁合金損傷原位監測研究

朱榮華，剛 鐵，萬楚豪

（哈爾濱工業大學 先進焊接與連接國家重點實驗室，哈爾濱150001）

隨著列車輕量化的發展，鋁合金在高速列車車體的制造中得到越來越廣泛的應用，疲勞裂紋是鋁合金結構中較危險的缺陷之一。在交變載荷的作用下，微裂紋進一步發展為宏觀裂紋，而宏觀裂紋的存在極大降低了列車鋁合金結構安全運行的可靠性，甚至會造成災難性的事故。目前列車常用的無損檢測手段主要有X射線、超聲、滲透等檢測方法，這些方法需要列車停車檢查而且其檢測效率較低，因此迫切需要一種在列車運行條件下的適用于鋁合金結構的在線診斷方法。

聲發射（Acoustic Emission，AE）技術是實時監測材料或結構狀態最重要的無損檢測方法之一。它利用材料局部產生的瞬時彈性波，當彈性波到達材料表面時，引起材料表面的機械振動，壓電傳感器將機械振動轉變為電信號，電信號經過濾波、放大等處理后得到聲發射信號[1］。最后通過對聲發射信號的分析和處理即可判斷材料或結構的狀態。Bellenger等[2］采用聲發射事件計數、上升時間來監測鋁合金點蝕現象。Kordatos等[3］采用聲發射監測了鋁合金的疲勞過程，并用聲發射能量、上升時間來評估鋁合金的疲勞損傷程度。

傳統的聲發射信號分析方法為參數分析法，如計數[4－6］，幅值[7］，能量[8，9］等來描述材料狀態。雖然參數分析法能夠簡單、直觀、快速地提供聲發射源特征，但是該方法只是對聲發射信號波形局部特征的描述，因此損失了大量的信息。目前工業中如壓力容器及管道聲發射檢測的評價，主要根據聲發射特征值的大小來劃分聲發射源的強度，根據聲發射特征值出現的頻度來劃分聲發射源的活度，再綜合聲發射源的強度和活度來判斷聲發射源的狀態等級[10］。

波形分析法[11，12］是根據聲發射系統所記錄的AE信號時域波形及相關的頻譜等來獲取有關聲發射源信息的方法。高階譜分析方法是近年來信號處理領域中涌現出來的一種數學工具，已在許多領域展現出了巨大的優越性。高階累積量的多維傅里葉變換定義為高階譜（或稱多譜）[13］。與功率譜相比，高階譜可以抑制高斯噪聲，分辨率高，并能夠得到信號相位、能量和非線性等有用信息。對鋁合金聲發射信號進行高階譜分析，能夠獲得以往信號分析方法未能提取出的大量有用信息。Piotrkowski等[14］對熱浸鍍鋅試樣不同腐蝕程度獲取的聲發射信號進行了小波變換，不同的損傷機制分布在不同的頻段，雙譜分析評估了不同損傷機制之間的關系。

本工作基于聲發射和數字圖像法對7N01鋁合金三點彎曲過程中裂紋演變進行了監測，采用傳統的參數和雙譜法分析了7N01鋁合金裂紋缺陷萌生及失穩擴展的聲發射特征。

1 雙譜分析法

高階譜中雙譜的階數最低，計算較為簡單，但包含了高階譜的所有特征，所以本工作中采用了基于三階譜也稱雙譜的分析法。雙譜估計有直接法和間接法：直接法先估計其傅里葉序列，然后對該序列作三重相關運算，即可得到雙譜估計；間接法先估計三階累積量，再取累積量序列的傅里葉變換得到雙譜。本工作中雙譜估計采用間接法，雙譜的定義如下[13］：

間接法進行雙譜估計的主要步驟：

1）將長度為N的實驗數據sn（t）分成K 段，每段有M個數據，即N＝KM，進行去均值操作。

2 實驗

2.1 實驗設備

實驗材料為在高速列車車體制造中廣泛使用的7N01鋁合金[3］。加載設備為萬能材料試驗機；監測儀器為PCI－2型數字化聲發射監測系統，主要包括聲發射傳感器、前置放大器、PCI－2聲發射數據采集卡和主機；數字圖像監視系統，主要包括顯微鏡、CCD攝像機、監視器、圖像采集卡及主機，圖1是實驗裝置示意圖。

圖1 聲發射與數字圖像監測裝置Fig.1 Acoustic emission and digital image monitoring set－up

2.2 傳感器布置及參數設置

試樣形狀及尺寸為250mm×40mm×12.5mm（如圖2所示），在試樣底部用線切割切2.5mm深的槽，試件缺口端面用砂紙打磨拋光，以便在實驗過程中對缺口尖端進行顯微圖像監測。光學顯微系統（由CCD攝像機和顯微鏡組成）的分辨率為0.7μm。

實驗選用的AE傳感器為諧振式傳感器（頻率為70～200kHz）和寬帶式傳感器（頻率為100～1000kHz），傳感器間距設置為80mm（見圖2）。傳感器使用凡士林耦合，并用夾具固定在試樣表面。聲發射閾值設置為40dB，以減少環境噪聲對聲發射信號的影響。三點彎曲試樣跨距為200mm。

圖2 試樣尺寸及傳感器布置圖Fig.2 Sample size and sensor layout

2.3 實驗步驟

將布置好傳感器的試樣裝入萬能試驗機中，再將聲發射傳感器用電纜與前置放大器、PCI－2聲發射系統連接好。實驗前預加一定的載荷，以減小壓頭、支柱與試樣之間的摩擦噪聲。試驗機的加載速率設為1.2mm／min，啟動試驗機同時觸發聲發射系統和圖像采集系統，對試樣進行加載直至載荷出現較快下降后停止加載，同時停止聲發射和圖像采集。

3 結果與討論

3.1 參數分析法

參數分析法常用的特征參數主要有能量、幅值、上升時間等。參數分析法選取能量、累積能量和質心頻率（Centroid Frequency，CF）對7N01鋁合金三點彎曲過程中采集的聲發射信號進行了特征分析，見圖3。

圖3 AE特征值與載荷曲線圖 （a）AE能量，累積能量與載荷隨時間變化圖；（b）質心頻率與載荷隨時間變化圖Fig.3 AE characteristics vs load curves （a）AE energy，accumulative energy，load vs time；（b）centroid frequency，load vs time

根據圖3（a），聲發射能量、累積能量、載荷隨時間變化圖（圖中1，2，3為能量突變點，G，E為載荷曲線的切點，聲發射信號由諧振傳感器采集）中的G，E切點以及鋁合金缺口尖端損傷演變過程（如圖4所示），可將整個實驗時間分為三個區間：彈性變形區、塑性變形及裂紋擴展區、裂紋失穩擴展區。根據能量突變點1，2，3，可將三點彎曲時間段分為四個區：Ⅰ，Ⅱ，Ⅲ，Ⅳ區。

從圖3（a）可以看出，7N01鋁合金三點彎曲過程中，早期（即I區，彈性變形階段）的聲發射信號很少，且能量較低。隨著載荷的增加，在1點產生一個能量峰值（能量達到319eu，對應的時間為154s，此時離G點約為7s），意味著缺口尖端在應力集中的作用下開始產生塑性變形，此時能量值仍然較小。隨著載荷的增加，在Ⅱ區后半部分聲發射能量逐漸增大并呈指數級增長，在2點又達到一個能量峰值（能量達到3045eu，對應的時間為273.5s），并逐漸降低，此時缺口尖端產生微裂紋，并不斷匯聚產生較大的微裂紋。載荷繼續增加使得裂紋向前穩定擴展，在Ⅲ區可以看到，前半部分能量保持較低的值，后半部分能量在290.5s達到3576eu，隨后在294.6s達到能量最大峰值21051eu，此時比E點提前約9s，之后裂紋產生失穩擴展。

圖3（b）為聲發射質心頻率與載荷隨時間變化圖（聲發射信號由寬帶傳感器采集）。質心頻率在I區和II區前半部分主要集中在290～540kHz頻帶內，隨著載荷的增加，在250.5s后聲發射信號逐漸增多，并且頻率分量逐漸增加，此時高幅值AE信號（振幅＞70dB）的質心頻率主要集中在143～298kHz頻帶內。可以推斷7N01鋁合金在裂紋擴展階段聲發射信號主要集中在低頻段。

圖4 7N01鋁合金三點彎曲過程中缺口尖端裂紋演變圖，其中圖（a）～（f）對應于圖3（a）中標記的A～F點Fig.4 Diagram of crack evolution in notch－tip during the three－point bending process，figures（a）－（f）correspond to A－F marked in fig.3（a）

7N01鋁合金缺口尖端表面的顯微觀測（圖4中箭頭所示，其中圖4（a）～（f）對應于圖3（a）中標記的A～F點）驗證了AE能量與質心頻率對缺口尖端損傷演變的預測。從圖4可以看出，缺口在應力集中下產生明顯的塑性變形（如圖4（b）所示），隨著載荷的增加，微裂紋萌生（圖4（c），（d）所示）直至裂紋失穩擴展（如圖4（e）所示），實驗結束可見裂紋擴展方向呈樹丫狀，缺口左右端裂紋長約400μm和100μm（如圖4（f）所示）。

3.2 雙譜分析法

選取寬帶傳感器采集的聲發射信號能量突變點的信號波形，如圖5所示，其中聲發射信號1，2，3分別為7N01鋁合金三點彎曲過程中塑性變形、裂紋萌生擴展、裂紋失穩擴展階段聲發射能量突變點（對應于圖3（a）中的1，2，3點）的時域信號。聲發射時域波形圖的統計特征值（見表1）顯示，波形1，2為突發型波形，其上升時間較短，而波形3為突發連續混合型波形，其上升時間較長，并在高幅值持續較長時間。這種現象主要與裂紋擴展時的應變能釋放有關，在裂紋萌生與穩定擴展階段，微小裂紋的擴展呈脈沖衰減波，而裂紋失穩擴展其釋放的應變能更大且持續時間更長。

圖5 AE信號波形圖，波形1，2，3對應于圖3（a）的1，2，3點Fig.5 AE signal waveforms，waveforms 1，2，3corresponding to the points 1，2，3in fig.3（a）

表1 AE時域波形的特征值Table 1 The eigenvalue of AE time－domain waveform

對聲發射信號1，2，3進行了雙譜估計，并作出雙譜估計的等高線圖，如圖6所示。對比分析不同狀態下聲發射信號雙譜估計的等高線圖，可以看出聲發射信號的雙譜模呈逐漸增大的趨勢。信號1的雙譜峰值主要分布在（40，160）和（160，40），而信號2在（40，120），（80，80）和（120，40）具有較高的雙譜峰值，信號3的雙譜峰值在（40，80），（80，40）和（120，120）。由此可見，等高線圖清晰地表明了兩個頻率成分之間的耦合關系，從而使得識別7N01鋁合金三點彎曲損傷過程中的三個不同階段變得相對容易。

圖6 AE信號雙譜等高線圖 （a）波形1；（b）波形2；（c）波形3Fig.6 Bispectra contour map of AE signal waveforms （a）waveform 1；（b）waveform 2；（c）waveform 3

由于雙譜三維圖數據量較大，為進一步分析聲發射信號間差異，對雙譜三維圖形沿f1＝f2的主對角進行切片處理[13］，得到各聲發射信號雙譜對角切片圖。為了便于比較，對切片圖的雙譜模進行歸一化，如圖7所示。

V1＝ （V－min（V））／（max（V）－min（V）） （5）其中，V1為歸一化的雙譜模，V 為切片圖的雙譜模。對比分析聲發射信號的雙譜對角線切片圖可知，塑性變形階段聲發射信號雙譜模（圖7（a））主要集中于0～200kHz范圍內，信號存在兩個峰值點，分別為80，160kHz；裂紋穩定擴展階段AE信號的雙譜模（圖7（b））同樣主要集中在0～200kHz區域內，同時峰值點160kHz處的雙譜模出現了較高的增長；裂紋失穩擴展階段聲發射信號雙譜模（圖7（c））的峰值點出現在120kHz處，同時在200～720kHz之間出現了高頻信號，因此通過分析聲發射信號雙譜對角線切片圖可以區分7N01鋁合金三點彎曲不同損傷階段。

圖7 AE信號主對角線雙譜模切片圖 （a）波形1；（b）波形2；（c）波形3Fig.7 Bispectra diagonal slices of AE signal （a）waveform 1；（b）waveform 2；（c）waveform 3

4 結論

（1）聲發射能量和質心頻率可以有效預測微裂紋的萌生。在微裂紋的萌生擴展過程中，聲發射能量呈指數級增長，高幅值AE信號的質心頻率主要集中在143～298kHz的低頻段。

（2）聲發射信號時域波形特征表明，塑性變形和裂紋萌生階段能量突變的聲發射信號為突發型信號，而裂紋失穩擴展階段的聲發射信號為突發連續混合型信號。

（3）聲發射信號雙譜分析可以發現，不同階段聲發射信號的雙譜等高線圖顯示的兩個頻率成分之間的耦合關系使得識別7N01鋁合金三點彎曲損傷過程中的三個不同階段變得相對容易。

[1]楊明緯.聲發射檢測[M］.北京：機械工業出版社，2005.1－6.

[2]BELLENGER F，MAZILLE H，IDRISSI H.Use of acoustic emission technique for the early detection of aluminum alloys exfoliation corrosion[J］.NDT ＆ E International，2002，35（6）：385－392.

[3]KORDATOS E Z，AGGELIS D G，MATIKAS T E.Monitoring mechanical damage in structural materials using complimentary NDE techniques based on thermography and acoustic emission[J］.Composites：Part B，2012，43（6）：2676－2686.

[4]MUKHOPADHYAY C K，JAYAKUMAR T，BALDEV R，etal.The influence of notch on the acoustic emission generated during tensile testing of nuclear grade AISI type 304stainless steel[J］.Materials Science and Engineering：A，2000，276（1－2）：83－90.

[5]ROY H，PARIDA N，SIVAPRASAD S，etal.Acoustic emissions during fracture toughness tests of steels exhibiting varying ductility[J］.Materials Science and Engineering：A，2008，486（1－2）：562－571.

[6]MUKHOPADHYAY C K，JAYAKUMAR T，RAJ B，etal.A－coustic emission－stress intensity factor relations for tensile deformation of notched specimens of AISI type 304stainless steel[J］.Materials Science and Engineering：A，2000，293（1－2）：137－145.

[7]CHOI N S，TAKAHASHI K，HOSHINO K.Characteristics of acoustic emission during the damage process in notched short－fibre－reinforced thermoplastics[J］.NDT ＆ E International，1992，25（6）：271－278.

[8]YANG L，ZHOU Y C，MAO W G，etal.Real－time acoustic emission testing based on wavelet transform for the failure process of thermal barrier coatings[J］.Applied Physics Letters，2008，93（23）：231906－231911.

[9]BOIRCHAK M，FARROW I R，BOND I P，etal.Acoustic emission energy as a fatigue damage parameter for CFRP composites[J］.International Journal of Fatigue，2007，29（3）：457－470.

[10]GB／T18182—2000，金屬壓力容器聲發射檢測及結果評價方法[S］.

[11]耿榮生，沈功田，劉時風.基于波形分析的聲發射信號處理技術[J］.無損檢測，2002，24（6）：257－261.GENG Rong－sheng，SHEN Gong－tian，LIU Shi－feng.Acoustic emission signal processing technique based on waveform analysis[J］.Nondestructive Testing，2002，24（6）：257－261.

[12]李光海，劉時風.基于小波分析的聲發射源定位技術[J］.機械工程學報，2004，40（7）：136－140.LI Guang－hai，LIU Shi－feng.Technique of acoustic emission source locating based on wavelet analysis[J］.Chinese Journal of Mechanical Engineering，2004，40（7）：136－140.

[13]陳仲生.基于Matlab 7.0的統計信息處理[M］.長沙：湖南科學技術出版社，2005.195－207.

[14]PIOTRKOWSKI R，ENRIQUE C，ANTOLINO G.Wavelet power，entropy and bispectrum applied to AE signals for damage identification and evaluation of corroded galvanized steel[J］.Mechanical Systems and Signal Processing，2009，23（2）：432－445.