聲發射檢測技術在材料斷裂損傷中的研究進展與展望

唐婷婷 趙 博 劉曉迪 續宏毅 王立賢 代 強

（1.中國特種設備檢測研究院 北京 100029）

（2.中國石油大學（北京）克拉瑪依校區 克拉瑪依 834000）

現代材料主要包括金屬材料、高分子材料和非金屬復合材料等，是構成航空航天、能源、交通、化工等各工業領域的基礎。工程材料在長期服役過程中極易由疲勞、蠕變、腐蝕等損傷行為引發斷裂，是目前造成設備失效的最主要模式之一。為保證使用的安全性和可靠性，減少災難性事故，對材料損傷與斷裂的檢測和識別與定位是確保工業設備安全服役的重要環節。

材料在發生損傷時會釋放能量并產生應力波，該過程被稱為聲發射（Acoustic Emission）現象[1]。通過采集材料損傷時釋放的聲發射信號實現材料狀態的無損檢測即為聲發射檢測技術。聲發射檢測技術的特點是能夠實時采集由材料內部發出的聲能信號，無須外部激勵，它的信號來源于材料缺陷本身，屬于動態無損檢測技術中的一種。材料在非彈性形變、馬氏體相變、應力腐蝕和加工過程產生裂紋等損傷時均存在聲發射現象，因此，聲發射檢測技術被廣泛應用于材料斷裂損傷的檢測[2]。聲發射技術可以通過捕捉材料的全周期聲能信號對材料的損傷狀況進行詳細分析，并根據其聲能信號的差異對材料發生的損傷類型進行判斷，同時能夠結合不同的工況對材料的損傷狀態進行更深入的分析。

目前，材料損壞的表征或評估主要通過樣品分析和無損檢測方法進行。樣品分析方法是從工程構件上切割部分材料，并分析機械性能[3]、化學成分等，以評估損壞狀態和剩余壽命。無損檢測方法是指使用聲發射[4]、紅外光譜[5]、太赫茲[6]和超聲波[7]技術來檢測和評估工程材料的缺陷和損壞狀態。與樣品分析方法相比，無損檢測方法更適用于工業設備的快速和大規模測試。

傳統的無損檢測方法無法識別材料損傷早期形成的微尺度和納米尺度缺陷。它們只檢測宏觀缺陷，如裂縫、夾雜物和孔隙。對于設計良好的工程構件，材料早期的微觀損傷很大部分決定了工程構件的使用壽命。聲發射檢測技術可以克服傳統無損檢測方法的缺點，有效地表征材料微觀結構的變化，如位錯演化和微裂紋萌生。本文對近年來聲發射檢測技術在材料斷裂損傷中的相關研究進行了綜述。

1 聲發射檢測技術原理

聲發射檢測技術作為無損檢測方法的一種，簡單、高效、快速，不需要復雜的制樣過程，可以接收材料或零件內部的聲發射源產生的聲波信號，是工業發展進程中必不可少的高效工具。聲發射檢測方法與其他無損檢測方法的特點相比所具有的優點[8]：1）動態監測，聲發射檢測到的能量來源于被測物體本身，可根據采集的特征信號分析材料的損傷類型、損傷程度以及在線監控，在發生災難性破壞之前，及時地對損傷進行預警；2）檢測區域范圍較大，可用于對材料結構整體探測；3）應用廣泛，不受材料外觀影響，可以對不同形狀構件進行檢測，適用于大部分材料；4）被動檢測，監測過程中材料發生的信號不會對儀器本身產生不利影響；5）對環境要求不高，很多惡劣環境下都可以進行檢測，如高低溫、強紫外線、有毒、易燃易爆等環境。

聲發射是指在外力或內力的作用下，材料或部件的局部缺陷由于應力集中而釋放能量，導致變形、材料內部結構斷裂，或內部張力超過彈性極限并進入不可逆塑性變形階段，快速釋放能量的局部現象發射瞬時彈性波[7-8]，表示材料內部積蓄的能量以機械波的形式快速釋放的過程，聲發射技術檢測原理如圖1所示。

圖1 聲發射技術檢測原理

聲發射檢測的一般原理：材料、器件或構件的聲發射源產生彈性波以應力波的形式傳播，彈性波經過微短的時間從材料內部傳播至材料表面，其表面產生機械振動，機械振動產生的位移信號由聲發射傳感器探測到，通過具有壓電晶片的聲發射傳感器的耦合轉變為電信號，對采集的信號源進行定位、定性、判斷分析，從而解釋被檢件內部缺陷情況如裂紋、夾雜物、氣泡或氣孔等有效信息，在此基礎上人們再對材料內聲發射源的特征參數做主成分分析和聚類分析確定材料的損傷類型。

2 數據處理與分析

從目前的研究現狀來看，基于聲發射技術的材料損傷機理研究中廣泛應用參數分析、波形分析和模式識別等方法。

2.1 參數分析法

參數分析法主要是根據采集的聲發射信號的特征進行分析，如圖2所示，聲發射信號發出的參數包括振鈴計數、振幅、能量、持續時間和上升時間等[9]，可以分析這些參數的2種組合之間的相關性，例如聲發射事件及其振幅之間的相關圖，以及聲發射參數及其持續時間之間的相關圖。

圖2 聲發射信號簡化波形參數的定義

參數分析法分析速度快，在當前應用中相對成熟，但其假設有局限性[10]。假設聲發射信號以一定的固定速度傳播，實驗的可重復性低，接收信號受外部環境影響。不同材料的聲波傳播模式不同，聲發射參數只描述了一些波形特征，因此用參數分析法來表征和分析聲發射源特性是不準確的。

2.2 波形分析法

波形分析指的是處理通過時域波形或頻譜特征獲得信號的信息。由于聲發射信號的隨機性，在時域上進行觀察分析很難取得與聲發射源相關的重要信息，圖3為聲發射信號的時域圖和頻域轉換圖[11]。在進行小波分析之前，需要首先采用快速傅里葉變換（Fast Fourier Transform，以下簡稱FFT）得到信號的各個特征。FFT的原理如下：

圖3 聲發射突發型信號

式中：

X（k）——離散頻譜的第k個值；

x(n)——時域采樣的第n個值。

近年來基于小波變換的信號分析研究頗多，小波分析具有良好的時頻局部化特性，可實現信噪分離，時域-頻域結合的信號分析方法可以實現同時對聲發射信號的時域和頻域特性進行提取，從而獲得聲發射源的信息與特征，以下為小波變換理論。圖4為聲發射信號的小波變換思路。

圖4 聲發射信號的小波變換思路

設x(t)∈L2(R),L2(R)表示平方可積的實數空間[11]，φ（t）為基本小波，則x(t)的小波變換定義為：

式中：

WTx（a,b）——函數x（t）的連續小波變換表達式；

φa,b（t）——基本母小波位移與尺度伸縮，稱為一個小波序列；

a——尺度因子（a≠0）；

b——位移。

注：上標*代表取共軛

2.3 模式識別法

模式識別法是借助計算機技術在已經提取樣本特征的基礎上對樣本進行分類。主要步驟有數據預處理、提取并選擇特征頻率，然后選擇適當的分類器[12]。模式識別法可以幫助確定聲波（聲發射）信號和損傷之間的關系，并確定損傷類型，但樣本的特性有限，無法確定復雜環境下的干擾源。模式識別流程如圖5所示。

圖5 模式識別流程圖

3 研究進展與應用現狀

3.1 金屬材料

金屬材料損傷產生的聲發射信號容易受到外界因素的影響，因此接收到的金屬材料損傷的聲發射信號成分異常且非常復雜，在處理原始信號的工序上也會更加困難。大多數金屬材料的塑性變形、裂紋的產生與擴展、斷裂、馬氏體相變等動態過程中均伴隨著聲發射現象[13]。通過對聲發射信號的采集、處理、分析和研究，可以推斷出材料內部的形態變化、逆轉失效機理，從而根據聲發射規律開展災害預測等工程應用[14]。結構失效始于一系列變形，包括彈性和塑性區域，并貫穿裂紋擴展的整個過程。裂紋擴展通常發生在單調向上加載（脆性和韌性斷裂）、循環加載（疲勞裂紋擴展）或應力腐蝕期間[15]。對材料疲勞斷裂產生的聲發射源的研究發現，聲發射源包括位錯引起晶粒屈服的塑性變形，包括屈服應力附近和屈服前的位錯運動、滑移變形和晶界滑移、屈服應力下的微裂紋、顆粒斷裂、塑性變形和裂紋擴展[16]。其中，典型的聲發射源為位錯運動和塑性變形、裂紋形成和擴展、塑性斷裂、脆性斷裂和疲勞斷裂。斷裂失效是金屬結構件失效的主要類型，迫切需要一種在線監測結構件裂紋的方法。研究證實，根據聲發射信號的振幅分布或頻譜斜率變化以及斷裂力學參數如裂尖張開位移（CTOD）、應力強度因子K等參數，可評估材料的斷裂韌性[17]。

Zhang等人[18]使用聲發射在線監測燃氣輪機葉片的工作狀態，對燃氣輪機葉片和TC11鈦合金板進行了基于聲發射監測的疲勞裂紋擴展實驗。利用聲發射參數確定裂紋擴展階段的方法，建立了累積聲發射命中率與疲勞裂紋長度之間的關系，提出了一種基于聲發射能量預測裂紋擴展程度和殘余疲勞壽命的方法。門進杰等人[19]通過聲發射經歷圖分析探討了2205雙相不銹鋼聲發射振鈴計數及能量與試件裂縫發展程度的關系。圖6為燃氣輪機發動機葉片試樣的幾何形狀，圖7為燃氣輪機發動機葉片樣本采集的聲發射信號的波形和頻譜，分析可知，由于試件出現宏觀微裂紋，在微裂紋萌生階段會有少量聲發射振鈴計數和能量產生；在裂紋穩定擴展階段，裂紋端口不斷張開和閉合導致內部孔洞累積變大，釋放大量能量；在裂紋擴展至斷裂階段，試件應力集中嚴重，失穩斷裂瞬間聲發射活躍度迅速上升，釋放出大量能量。

圖6 燃氣輪機發動機葉片試樣的幾何形狀

圖7 燃氣輪機發動機葉片樣本采集的聲發射信號的波形和頻譜

3.2 高分子材料

高分子材料結構具有多樣性，賦予其良好的物理/化學性能，但復雜的結構特征帶來的微觀不均勻性也導致聚合物材料中聲發射信號的巨大差異。在聲發射技術對高分子材料斷裂的檢測應用中存在2個核心問題：1）研究聚合物材料中聲發射信號傳播特性，進而通過數學處理獲取噪聲發射源的位置；2）在高分子材料失效破壞的過程中屏蔽冗雜的無關變量，對其非線性的斷裂過程進行識別，進而建立精確的數學模型進行失效預測。有研究表明：對于高分子材料斷裂，聲發射技術可以成為識別斷裂行為和認知斷裂過程的有效檢測手段，并結合斷裂力學開展應用。

張秘等人[20]研究了在高分子材料中的聲發射信號傳播特性。利用門限值和小波分析的閾值去噪法對聲發射信號進行噪音處理。以亞克力板為研究對象，通過破鉛實驗對聲發射源進行了模擬，并對聲發射信號進行了閾值和小波分析去噪。分析了聲發射信號在聚合物材料中的衰減規律，得到了聲發射波在不同角度下的傳播速度變化規律。然后通過線性定位實驗驗證了聲波速度的有效性。為聚合物材料聲發射故障源的準確定位奠定了基礎。張陸佳等人[21]提出一種聲發射信號特征提取及纖維種類診斷的模型。首先對信號進行預處理，對聲發射信號作小波分析降噪后利用經驗模態分解方法（EEMD）分解信號；主成分分析（PCA）法提取信號的頻率特征，最后最小二乘支持向量機法（LSSⅤM）分類識別斷裂類型，提出了一種聲發射信號特征提取和纖維類型診斷模型，用于識別纖維拉伸斷裂的類型，為進一步研究混紡紗拉伸斷裂過程中纖維斷裂的時間提供依據。李濤等人[22]驗證了基于聲發射信號的PE塑料失效，主成分分析法模糊預測的可行性。采用主成分分析模糊預測技術對PE拉伸失效情況進行模糊預測，為PE失效類型和PE管道監測方法的研究提供參考。

3.3 非金屬復合材料

復合材料有著比強度高、比剛度高、模量大、可設計性強、減震性能好、耐腐蝕等出色的性能優點[23]，是性能優越的工程材料，近年來廣泛應用于航空航天、能源、交通、化工等各領域并飛速發展。復合材料的多種損傷機制，導致材料的機械性能退化和結構的最終失效[24]。增強相和界面的存在是非金屬復合材料區別于傳統非金屬材料的明顯特征，同時常帶來材料明顯的各向異性，導致非金屬復合材料的損傷和斷裂機制異常復雜。從宏觀損傷破壞模式看，目前學術界公認的非金屬復合材料損傷可以分為基體開裂、增強相斷裂、界面開裂以及界面分層4種[25]，各種損傷破壞模式可能單獨發生，也可能結合在一起發生。對于聲發射檢測技術在復合材料中的應用，目前存在2個問題：1）各向異性造成聲信號在材料中傳播的復雜性，影響損傷定位的精確性；2）基體、界面和增強相的相互作用造成斷裂信號的復雜性，難以準確識別斷裂特征。現有研究多針對以上2個問題開展。

林松等人[26]研究高性能國產聚酞亞胺纖維在復合氣瓶上的使用，并表征其與進口碳纖維的性能差異。分別采用聚酞亞胺纖維、進口T300、T700和T800碳纖維纏繞成型復合氣瓶，做靜水壓爆破壓力試驗進行對比試驗，并引入聲發射檢測技術監測和分析靜水壓過程中的損傷信號。探索高強度PI纖維在纏繞航空航天壓力容器中的應用。李偉等人[27]通過寬帶傳感器記錄指向不同纖維的復合材料拉伸斷裂時發出的聲信號，對FRP復合材料試件拉伸破壞過程的聲發射全程進行監測，結合力-位移曲線、聲發射撞擊累計數-時間變化曲線和聲發射三維參數圖，分析FRP復合材料拉伸損傷的聲發射特性，并統計分析復合材料聲發射信號的幅度，實現及時檢測復合材料的有害活動性缺陷，并確定發生損傷的載荷、部位及其嚴重程度。陶進等人[28]研究聲發射信號來判斷ACCC損傷類型。對試件進行了三點彎曲試驗，并通過聲發射同時檢測損傷情況。在生產線圈的過程中，ACCC線-碳纖維復合芯可能會產生纖維體積分布不均、纖維與樹脂基體界面結合不良、樹脂基體固化不良等缺陷。利用三點彎曲試驗使碳ACCC導線纖維復合芯在三點彎曲損傷條件下進行聲發射監測。對ACCC導線碳纖維復合芯彎曲監測、電力運輸的保障有一定積極作用。

李昕等人[29]使用聲發射技術實時跟蹤含有預定義斷裂、低粘附性或剝離缺陷的玻璃纖維復合試樣的破壞過程，為預測GFRP復合材料缺陷的發生和發展提供有力證據。林松等人[30]研究材料的損傷演化機理，為深入研究3D-NC/SiC復合材料損傷斷裂行為提供依據。劉哲軍等人[31]在4種C/E復合材料NOL環試樣的拉伸試驗過程中研究其聲發射特性得出材料強度、模量和纏繞過程都對材料損傷過程的聲發射次數、信號幅度和持續時間有顯著影響。沈書乾等人[32]通過波分解獲得信號的波頻譜。不同頻帶中的能量分布可以有效區分不同的損傷信號，并實現不同損傷信號的特征提取，以確定碳纖維復合材料的損傷類型。張勇禎等人[33]基于改進遺傳算法的無監督聚類方法對聲發射信號進行識別，通過監測纖維在不同拉伸破壞強度下所產生的聲發射信號，統計分析不同的聲發射模式的特征及其演化過程，結合斷口分析損傷機制與聲發射的關系，得出纖維斷裂事件所產生的聲發射信號聚類中心能量參數能反映纖維/基體界面的結合強度。邢廣懷等人[34]基于概率熵統計分析方法研究了材料損傷演化產生的聲發射信號的動態響應行為，準確評價了碳纖維三維編織復合材料的力學行為和損傷特性，為該復合材料的無損檢測和壽命評估提供了技術支持。

4 結論與未來展望

聲發射檢測技術已經成為分析材料斷裂損傷的有效手段，在構件損傷監測與維修輔助方面具有廣闊的研究前景，它在線監控材料損壞程度，實時向系統發出警報，并標記材料內部缺陷的位置。材料的損傷類型會受應用場合的影響，在目前的研究狀態下，模式識別是一種有前景的方法，主要是因為聲發射技術記錄的數據包含太多參數，如上升時間、振幅、持續時間、峰值頻率等，使參數和損傷模式之間難以直接關聯。因此，通過模式識別技術，采用計算方法根據聲信號樣本的特征將樣本進行歸類劃分，是目前聲發射檢測技術對材料斷裂損傷認知的研究重點。

模式識別技術關鍵在于特征設計、特征提取和模型訓練3部分，傳統的模式識別技術主要方法為聲特征信號與材料斷裂的機理對偶解析。近年來由于全波形采集功能的實現，聲信號數據樣本大量增加，模式識別技術開始由人工學習逐漸轉向機器學習，因此帶來以下幾個問題，亟須解決：1）需要大量的人為干預來發現和建立特征設計，以表征損傷信號的損傷；2）現有的基于淺層機器學習的模型訓練方法，如k-means聚類分析，需要分析師具有豐富的經驗；3）特征設計、特征提取和模型訓練這3個階段不能同時優化。

深度學習[35]可以很好地克服上述問題，它可以提供一種在多個抽象級別自動學習特征的有效方法，由于其強大的非線性映射能力、自學習能力、自適應能力、信息并行處理能力等特點，深度學習必將成為聲發射技術檢測材料損傷問題的有力輔助工具，并在現有技術的挑戰突破和材料非線性復雜的微觀損傷問題的探索上發揮重要作用。人工智能的發展有助于提高損傷識別率與診斷性能，聲發射檢測技術對材料的損傷識別可以從不同算法中受益。