基于聲發射的結構健康監測方法綜述

沈陽市博睿愛文科技有限公司 張雪巖

聲發射(AE)因其具有高靈敏度和較大面積連續監測的優點而被廣泛應用于結構健康監測（SHM），特別是對裂紋萌生和擴展的監測。本文簡要回顧了聲發射技術的近期研究成果及其在SHM領域的工程應用。研究表明，聲發射技術能夠廣泛應用于多種材料和結構的結構健康監測，包括復合材料、金屬、混凝土和巖石等，以及不同類型的民用和工業應用，但其在判據建立以及閾值選取等方面有待進一步完善。

裂紋監測是結構健康監測（SHM）的重要內容。作為一種新型的動態無損檢測技術，AE因具有對裂紋的變化極為敏感，檢測靈敏度高、操作簡單等優點而成為常用的裂紋監測方法。

1 材料檢測

Angela將聲發射數據的信息熵（即聲發射熵）被評估為疲勞載荷下金屬板實時評估的斷裂敏感特征[1]。Zhang研究了Q235鋼的聲發射響應和損傷過程[2]。Li利用深度學習神經網絡識別AE峰值和能量特征監測激光熔覆過程中金屬覆層裂紋的萌生[3]。Zhao實現了用聲發射（AE）技術表征和量化金屬薄板在沖裁過程中裂紋擴展過程[4]。

Kong分別對單纖維復合材料在不同損傷模式下的AE信號特征進行了統計[5]。Kyzio通過分析RMS參數(聲發射信號的均方根) 確定材料的屈服強度[6]。Panek將聲發射監測和詳細的掃描電子顯微鏡觀察相結合，探測到材料細小的微裂紋萌生[7]。

Geng基于累積聲發射能量和耗散能理論，提出了砂巖損傷變量[8]。Zhang利用聲發射能量積累曲線預測巖煤組合體破壞[9]。Zhang利用專門設計的聲發射 (AE)測試系統，建立了巖石熱損傷演化模型[10]。Suzuki實現用聲發射 (AE) 定量評估混凝土材料的壓縮損傷狀態[11]。Trmpczyński提出基于聲發射的混凝土養護過程中微裂紋萌生監測方法[12]。Xie記錄了多孔混凝土樣件在單軸壓縮試驗中的聲發射振鈴數和能量的變化，并對b值進行了分析[13]。Li研究了單軸壓縮條件下煤巖在漸進破壞過程中的聲發射特性[14]。

Rescalvo基于聲發射信號的頻譜特征研究了楊樹樣件在壓縮載荷下的斷裂過程[15]。Bertolin利用AE和數碼相機可靠地評估裂紋在薄片中的擴展程度[16]。Clerc采用無監督模式識別方法對膠合山毛櫸木材準靜態裂紋擴展過程中的聲發射信號進行分類[17]。Nasir提取鋸木過程中凍傷木材的聲發射信號特征，進而建立凍木識別判據，優化木材的切削過程[18]。

Qiu通過識別聲發射數據的特征來表征瀝青混合料的斷裂機制。結果表明，聲發射能量率和累積聲發射能量的突變能夠反映瀝青混合料損傷的演化特征[19]。Yda采用聲發射 (AE) 和數字圖像相關 (DIC) 相結合的方法對耐火材料 (MgAl2O4和FeAl2O4) 在楔劈劈裂試驗下的斷裂行為進行了定性和定量研究。研究結果表明，耐火材料中存在的微裂紋網絡有利于脆性的降低，增強了耐火材料的非線性斷裂行為和抗熱震性能[20]。Smedt對具有不同脆性的耐火澆注料進行循環三點彎曲時的聲發射參數測定，進而將能夠區分剪切和拉伸破壞信號的AF/RA比值參數視為材料脆性破壞判據[21]。

2 結構監測

Kim以聲發射平均頻率和RA值作為分析參數，實現了對預應力混凝土橋內筋失效狀態的檢測[22]。Janeliukstis建立了鐵路預應力混凝土軌枕受彎荷載過程中聲發射計數與特定峰值頻率的對應關系[23]。Wu采用兩種聲發射速率數學模型對砌體現場單軸壓縮試驗中的聲發射數據進行了分析[24]。Liu采用聲發射 (AE) 技術監測了靜應力和動力擾動作用下隧道周圍漸進破裂過程的發生[25]。Ln建立了火電廠高壓管道裂紋的產生和擴展與聲發射之間的關系[26]。Leaman提出了一種準確、易于使用的方法來定位大型風力機行星齒輪箱中環形齒輪的聲發射源[27]。Angulo基于AE和有限元分析提出了一種針對漂浮式海上設施錨鏈結構的裂紋萌生和擴展監測方法[28]。

Tang等人確定了風力渦輪機葉片中的三種損傷類型：基體開裂、分層和脫粘[29]。每種類型的損傷都與AE指標中的不同值有關，例如峰值頻率、平均頻率、峰值振幅和MARSE。Rivera等人研究了系泊鏈鏈環中裂紋的形成。這些用于錨具和碼頭，因此容易磨損和腐蝕。將鏈環浸入含鹽溶液（模擬海水）的池塘中，并在3.7個月內承受逐步增加的恒定載荷。結果表明，所有使用的聲發射指標，包括峰值振幅和馬爾斯能量，都有可能區分鏈條應力腐蝕裂紋的不同階段[30]。在工業上，聲發射技術已成為壓力容器健康監測的標準無損檢測工具。對于測量而言，由于凱撒效應，需要在過去12個月內施加在容器上的最大載荷的5%-10%的超壓。Hasan等人提出將傳統AE指標與遺傳算法和k-NN聚類方法相結合，用于監測球形容器，獲得了容器健康狀態分類的平均99.8%的準確率[31]。

3 結論

聲發射方法能夠以高分辨率和高靈敏度檢測裂紋，因此廣泛應用于評估各種材料的抗損傷性能和各類結構的健康監測。與其他替代方法相比，聲發射技術具有以下優勢：(1)AE技術是一種動態檢測方法，允許立即檢測信號變化；(2)可以遠距離研究樣本；(3)在主操作中無需停止即可使用；(4)具有高性價比；(5)極高的靈敏度和準確性；(6)無損；(7)速度極快。從近期文獻中可以看到，固定閾值法仍然是應用最廣泛的AE方法。振幅、能量、b值、持續時間和事件計數被廣泛用于監測裂紋擴展，因為這些指標與斷裂過程中釋放的能量有關。基于平均頻率、RA和上升時間能夠對固體材料中的損傷模式進行分類，而在復合材料中，它們能夠被用于確定裂紋源（基體或纖維）。所有這些都依賴于對突發信號的正確檢測。由于短時間內發生的事件數量較多，因此這不是裂紋監測的最佳選擇。為實現這一關鍵點，應繼續努力開發用于正確突發事件檢測的自動化和決策算法。

許多研究人員提出了損傷起始的定性標準，但定量標準的缺失可能導致對損傷起始的不同解釋。在損傷識別方面，不同的無監督聚類方法被廣泛應用于聲發射信號的聚類。這些方法的性能取決于AE數據集的結構。快速傅立葉變換（FFT）、小波變換、希爾伯特和希爾伯特-黃變換（HHT）技術在聲發射信號處理和分析在不同加工應用中顯示出巨大的潛力。此外，研究調查表明，頻域頻譜分析比時域分析更能在聲發射信號和各種加工特性之間找到充分的相關性。