依据瞬时频率的木材损伤过程声发射信号辨识1)

鞠双 李明 罗廷芳 李新慈 王明华 李晓崧 涂璟

(西南林业大学，昆明，650224)

声发射技术(Acoustic Emission Test,AET)作为一种主动方式的无损检测方法，正逐渐被用于木质及复合材料的损伤监测。Rice et al.利用AET研究红栎横向弯曲时的裂纹生长情况[1]。Diakhate et al.为更好地了解材料裂纹机理，采用AET对木材内部裂纹扩展进行了研究[2]。Suzuki et al.研究了胶合木的断裂韧性，发现断裂韧性与单位断裂面积AE信号的累积数成线性关系[3]。同时，Roberts et al.研究发现AE计数率与材料裂纹扩展率具有一定的相关性[4]。Wu et al.和邵卓平等以无缺陷和含裂纹试件为研究对象，在弯曲破坏的条件下研究材料内部微结构演化的AE特性，并用特征参数对几种损伤类型进行辨识[5-6]。孙建平等研究山杨在动态载荷下AE信号的演变过程，并采用参数分析法研究不同受力阶段木材的AE信号特征[7-8]。同时，郭晓磊等在三点弯曲的条件下，利用参数分析法研究木材损伤断裂过程中AE信号特征[9]。

以上的研究均采用参数分析法，对木材损伤断裂过程中产生的AE信号进行评价，但是木材损伤过程中的AE信号容易被噪声信号“掩盖”，所以常用的参数分析法很难客观地辨识AE事件的发生，为此需要从原始噪声信号中析取真实的AE信号波形。申珂楠等采用小波分析的方法重构了云南松实木损伤断裂过程发出的AE信号波形，并利用三角形定位方法确定AE源位置[10-12]。同时，Jiao et al.基于小波变换和模态声发射理论，提出了一种新的源定位方法[13]。研究发现采用连续小波变换的方法，能够减少定位误差[14]。Li et al.使用小波分析的方法，研究了花旗松胶合木梁的AE信号特征，并计算出花旗松胶合木梁的AE信号在表面和厚度方向的传播速率[15-16]。鞠双等采用铅芯断裂的方式产生人工AE源，在小波分析的基础之上研究马尾松胶合木表面AE信号的传播规律[17-18]。

目前，在频域上对木材断裂过程中AE信号辨识的研究还不多见，所以笔者提出了一种在频域中定义和辨识AE信号的方法。首先通过高速数据采集平台收集木材三点弯曲试验过程产生的原始AE信号，在小波分析的基础上从含有噪声的原始信号中提取AE信号。然后对AE信号进行频率分析，并根据AE信号波形的频域特征定义不同类型的AE事件，为了统计木材损伤过程的AE事件数量，进一步对重构后的AE信号进行Hilbert变换，得到AE信号的瞬时频率，再依据瞬时频率统计AE事件。最后利用AE事件发生频率及其变化情况评价试件的应力状态和损伤程度。

1 材料与方法

1.1 材料

材料选用实木马尾松和铁杉，试件尺寸均为420 mm(长)×59.92 mm(宽)×17.12 mm(厚)，表面无缺陷，气干状态下含水率稳定在11%左右。本研究基于NI USB-6366高速采集卡和Lab VIEW软件搭建4通道AE信号采集系统与UTM5105型万能力学试验机相结合，其中传感器为SR 150N单端谐振式声发射传感器，其信号带宽为22～200 kHz，同时配备了增益为40 dB前置放大器，每个通道的最高采样频率为2 MHz，放大器的输出电压范围为±5 V，万能力学试验机最大试验力为100 kN，功率为1.5 kW。整个试验系统的硬件组成如图1所示。

图1 木材三点弯曲实验信号采集系统

1.2 方法

采用三点弯曲对试件进行横向加压，跨距为200 mm，并以1 mm/min的速度对木材匀速加载。在压头两侧分别布置1个AE传感器，2个传感器的距离设定为300 mm。并且在传感器上涂抹硅胶作为耦合剂，保证采集信号更准确。

受信号采集与传输过程中的噪声影响，试验所获得的原始AE信号中混有大量噪声。为此本研究采用小波变换的方法对原始AE信号进行降噪处理，选定具有较高消失矩阶数的daubechies小波(10 dB)作为小波基函数，小波分析的过程就是将AE信号逐层分解为低频和高频部分。由于本研究的AE信号采样频率为500 kHz，根据香农采样定理，理论上可以辨识0～250 kHz范围内的AE信号。又根据小波多分辨率分析原理，从第1层开始，每层小波分解的细节信号(高频部分)的范围依次为：(125、250 kHz)，(62.5、125 kHz)，(31.25、62.5 kHz)，(15.625、31.25 kHz)，(7.8125、15.625 kHz)等。因此，本研究选择5层小波分解就能够完全覆盖AE传感器的检查范围。根据小波重构AE信号的频域特征，确定木材损伤过程不同AE信号的频率范围。为了获得AE信号的瞬时频率，对重构后的AE信号做Hilbert变换。对于任一时间连续函数X(t)，其Hilbert变换Y(t)定义为：

(1)

根据公式(1)可以构造一个解析信号Z(t)：

Z(t)=X(t)+iY(t)=a(t)eiθ(t)。

(2)

其中

(3)

它们分别为Z(t)的振幅和幅角。

最后，用幅角的时间导数来定义瞬时频率：

(4)

瞬时频率ω=ω(t)是时间的单值函数，在给定的时刻，只有1个频率值，瞬时频率把信号限定为“窄带”。在获得AE信号不同时刻的瞬时频率后，如果某个时刻的瞬时频率数值是在本研究定义的AE事件的频率范围内，则认为该时刻发生了相应的AE事件，否则视为无AE信号产生。

2 三点弯曲力学试验

在木材三点弯曲力学试验中，设定加载速率为1 mm/min，马尾松试验持续时间700 s，铁杉持续时间为600 s。最终测得试件的弯曲弹性模量分别为9 253.4、7 874.8 MPa。为了分析应力与AE事件的关系，分别绘制了相应的载荷-时间曲线(如图2所示)。从图2a可以看出，在381 s左右马尾松试件开始出现断裂，然而从图2b可以看出铁杉在244 s左右便开始断裂。本次试验的采样频率为500 kHz，最长持续时间为700 s。由于试验数据巨大，而且马尾松和铁杉在整个断裂过程中原始信号基本相似，只是持续时间和频率特征有所不同，故本研究只以马尾松为例分别截取了3个典型阶段的AE信号，整个试验过程的原始AE信号波形如图3所示。

从图3a中可以看出即使在试验初期仍然有AE信号产生，只是相应的信号幅值较低，这就意味着试件内部产生了一些微裂。图3c为木材发生断裂后的AE信号波形，对比图2a和图3b可以发现，虽然宏观上试件从381 s左右才开始断裂，但是图3b显示在330 s左右就有非常强的AE信号产生，即试件的宏观断裂时间和内部开始断裂的时间有一定的偏差，从而进一步说明AE信号能够真实反映木材损伤过程的应力状态。

2.1 两类特征AE信号频率

为了获取木材损伤过程声发射信号的特征频率，首先对原始声发射信号进行滤波预处理，然后通过小波重构的方法降噪，最后进行频谱分析，从而确定AE信号的类型和特征。从图4a和图4b可以看出首次出现了频率在160和105 kHz的AE信号，但其对应的幅值较小，所以在频谱中表现为次要成分。这个阶段马尾松AE信号主要分布在30～60 kHz，铁杉AE信号主要集中在35 kHz左右，此类声发射信号幅值较小且持续时间短，称此类AE信号为变形声发射(DAE)信号。

图4 信号重构后的频谱图

由于信号采样频率较高，无法直接对整体AE信号进行处理，所以在分析AE信号特征时只截取了6 s长度的数据进行小波重构，图5a为马尾松AE信号频谱图，图5b为铁杉的AE信号频谱图。为了突出不同频率成分的比重，对信号频谱的幅值都进行了归一化处理。从图5可以看出，马尾松和铁杉的声发射信号主要由两种频率成分构成，其中160 kHz和118 kHz左右的信号对应着较大幅值的AE信号，称此类声发射信号为断裂声发射(FAE)信号。

图5 信号重构的频谱图

2.2 AE事件统计

在对重构AE信号采用Hilbert变换的方法获得信号的瞬时频率，再依据瞬时频率判断不同AE事件的发生。为了说明AE事件发生频率与试件应力状态的关系，以马尾松为例，并以20 s为间隔分别截取了4段信号加以说明，这4段信号对应的时间范围分别是：0～20 s、160～180 s、340～360 s、580～600 s。在图2a中分别标示为A、B、C、D 4个区域，相应的AE信号波形和事件发生频率曲线如图6—图9所示。

图6 0～20 s事件发生频率

图7 160～180 s事件发生频率

从图6中可以看出DAE的事件发生频率主要集中在50次/ms左右，而FAE事件发生频率相对较低，主要集中在15次/ms左右，说明该试件在宏观上仍处于弹性阶段。图7显示随着试件应力的不断升高，内部微裂释放的能量也随之增加，特别是FAE事件发生频率发生了明显的变化。另外，对比图6和图7的DAE事件发生频率曲线，发现DAE事件发生频率的评价水平基本保持在50次/ms左右；但是图7中DAE事件发生频率的突变次数明显多于图6中的突变次数，从而说明较大的弹性应变能量释放更为频繁，试件弹性形变的程度不断加深。

与图6和图7相比，图8中FAE的事件发生频率出现较大的变化，主要集中在50～100次/ms，是因为试件在355 s附近产生了一次较小的断裂。但是图8中的DAE的事件发生频率变化并不大，仍然集中在50次/ms左右，说明该阶段主要以变形产生的AE信号为主，而且变形的程度不大。在图2a中的D区域应力发生了突变，对应着较大强度的断裂和应变能量释放，因此图9中的AE信号波形的幅值明显增加。DAE事件发生频率也出现多次突变，意味着试件在断裂的过程中还伴随着较大的弹性形变。与图8相比，图9的FAE事件发生频率的平均水平有所上升，主要集中在100～150次/ms且出现了明显的峰值，说明该阶段试件发生断裂更加频繁且断裂程度更大。

图8 340～360 s事件发生频率

3 结论

传统AET所采用的参数法是通过设置时域阈值来确定AE事件的发生，然而木材作为一种各向异性材料，AE事件阈值的设定非常困难。故本研究基于瞬时频率的方法，在三点弯曲的条件下，对实木马尾松和铁杉损伤过程中AE信号的特征进行研究，并总结了一些AE信号特征的相关规律。

试验结果表明木材损伤过程主要产生两类AE信号，分别是由断裂产生的FAE信号，以及由弹性形变产生的DAE信号。其中FAE信号频率较高，DAE信号的频率相对较低。通过统计两类AE信号事件发生频率的变化情况来确定试件的应力状态。当DAE事件发生频率维持较高水平时，意味着试件以弹性形变为主。相反，当FAE事件发生频率维持较高水平时，说明试件在发生断裂。本研究是对实木马尾松和铁杉损伤过程中AE信号特征的初步探索，目的是为了马尾松和铁杉损伤识别的研究提供依据，同时也为其他材料的损伤识别提供参考价值。

图9 580～600 s事件发生频率