基于声发射信号的Q460C钢焊接板疲劳损伤演化
《Theoretical and Applied Fracture Mechanics》:Fatigue damage evolution of Q460C steel welded plate based on acoustic emission signals
【字体:
大
中
小
】
时间:2026年09月28日
来源:Theoretical and Applied Fracture Mechanics 6.0
编辑推荐:
摘要
对Q460C预裂纹钢焊接板试件进行了疲劳测试,期间使用声发射(AE)设备采集相关信号。还研究了不同预制裂纹位置和加载条件对损伤演化的影响,以获取试件断裂形貌、疲劳裂纹扩展行为和疲劳寿命的差异。总结了AE信号与构件损伤阶段之间的关系,并采用K近邻(KNN)算法探索AE信号
摘要
对Q460C预裂纹钢焊接板试件进行了疲劳测试,期间使用声发射(AE)设备采集相关信号。还研究了不同预制裂纹位置和加载条件对损伤演化的影响,以获取试件断裂形貌、疲劳裂纹扩展行为和疲劳寿命的差异。总结了AE信号与构件损伤阶段之间的关系,并采用K近邻(KNN)算法探索AE信号的变化特征。随后建立损伤信号相关模型以识别不同损伤阶段。此外,结合断裂力学理论与Paris公式,开发了基于AE特征参数的疲劳裂纹预测模型。结果表明,Q460C钢焊接试件的疲劳裂纹扩展遵循"由慢到快"的趋势。此外,疲劳寿命排名如下:焊缝中心开裂 > 焊缝-母材界面开裂 > 母材开裂,且在较高载荷下的扩展速率高于较低载荷下。累积AE能量和累积环形计数可以有效地表征近阈值阶段、稳定扩展阶段和失稳断裂阶段。此外,从多维特征中选择四个参数构建了基于KNN算法的模式识别模型,在损伤阶段识别中达到94.17%的准确率。最后,提出了一个使用AE能量率、计数率和应力强度因子范围建立的类Paris模型,在稳态扩展阶段对裂纹预测更加准确,具有预警能力。
引言
钢板焊接构件具有高承载效率和优异的轻量化优势,已被广泛应用于钢桥[1]。然而,焊缝和热影响区普遍存在微观组织不均匀性、残余应力集中、几何不连续和初始缺陷等问题,使其在循环载荷下极易发生疲劳损伤。特别是对于钢焊接构件,疲劳损伤通常经历从微缺陷激活、局部裂纹萌生、稳定扩展到临界失效的连续演化过程。未能实现对该过程的早期识别和动态评估将直接威胁结构使用安全[2]、[3]、[4]。
传统的疲劳检测方法,如超声、目视、磁记忆和应变测试,在宏观裂纹识别和局部定量评估方面已显示出一定的有效性。然而,它们对早期微裂纹萌生的在线捕捉和整个损伤演化过程的能力仍然有限[2]、[5]。相比之下,声发射(AE)技术可以感知材料内部不可逆损伤事件释放的瞬态弹性波信号,如位错运动、界面滑移和微裂纹萌生与扩展。具有实时性强、灵敏度高且适合原位在线监测的特点,AE已成为金属结构疲劳损伤监测的重要手段[6]、[7]、[8]、[9]。对于钢桥结构,据报道AE监测可以提供活跃损伤过程的独特正面或负面证据,从而减少不必要的维护,并为严重或突然失效提供早期预警,如疲劳裂纹,这些裂纹往往在可见迹象有限的情况下发展[10]。近年来对CrMoV高强度结构钢的研究表明,AE信号可以在高温下原位监测和识别蠕变损伤,确认了AE在捕捉结构钢内部损伤演化方面的有效性[11]。
近年来,关于金属材料疲劳过程中AE响应行为的研究表明,AE能量、环形计数、幅值、RA值、平均频率和上升时间等特征参数可以有效地表征不同阶段疲劳损伤的演化特征。这些参数与裂纹萌生、稳定扩展和失稳扩展表现出强相关性[12]、[13]、[14]、[15]。现有研究还表明,疲劳加载期间提取的AE参数与疲劳裂纹行为密切相关,并研究了裂纹扩展速率、应力强度因子范围、载荷循环频率和AE活性之间的相关性,用于疲劳裂纹扩展评估[16]。
在整个疲劳损伤过程的研究中,AE信号不仅可用于识别损伤阶段,还可以与裂纹扩展速率、裂纹尺寸和能量释放过程建立定量关系[17]、[18]。同时,引入小波分析、经验模态分解(EMD)和经验小波变换(EWT)等方法,有效提高了复杂工况下AE信号的降噪和特征提取能力[19]、[20]、[21]。此外,基于AE特征参数如命中率、累积能量和b值的损伤过程识别方法进一步证明了AE特征参数在损伤阶段分类和演化表征中的良好适用性[22]。
AE技术可以识别焊缝区域的微裂纹萌生、裂纹扩展活动和损伤位置。还可以与有限元分析和损伤力学模型集成,模拟疲劳损伤演化过程并评估焊接接头的疲劳性能[23]、[24]、[25]。近期对电弧增材制造钢的研究表明,尽管仅使用AE特征来识别断裂韧性或裂纹扩展起始仍然具有挑战性,但AE可以实时监测裂纹萌生和损伤演化[26]。此外,为了解决复杂结构中AE信号传播路径复杂、标注样本不足和源定位精度有限等问题,一些研究引入了智能识别方法,如迁移学习和神经网络,有效增强了AE源定位和损伤识别能力[27]、[28]。近期研究开发了基于机器学习的钢构件疲劳裂纹扩展AE预警方法。例如,使用MFCC特征和LSTM模型识别扩展阶段,减少了对经验阈值的依赖,提高了复杂耦合因素下临界转换点的识别能力[29]。基于AE和深度学习技术的界面损伤识别研究也表明,智能算法可以有效提高复杂结构中损伤识别的准确性和自动化水平[30]。同时,研究人员结合AE测试与有限元分析,实现了平行钢丝束中断丝缺陷的精确定位[31]。然而,总体而言,对钢对接焊接构件的研究仍相对不足。更重要的是,有限的现有研究单独无法充分解释Q460C钢焊接接头疲劳损伤演化的独特性。与常规结构钢相比,Q460C钢具有更高的强度水平,其焊接接头在焊缝金属、热影响区和母材之间表现出更明显的微观组织和力学性能不均匀性。这种不均匀性可能会影响局部应力重新分布、裂纹萌生行为、裂纹扩展路径和疲劳加载期间声发射信号的释放。因此,从常规钢板或简单裂纹试件获得的AE响应特征不能直接推广到Q460C对接焊接构件。
基于此,对具有不同加载条件和初始裂纹位置的Q460C对接焊接钢板试件进行了疲劳测试,并使用AE监测实时记录整个疲劳损伤过程。本研究主要解决三个问题:裂纹位置和加载条件如何影响疲劳裂纹扩展和疲劳寿命;焊接接头的微观组织不均匀性是否在不同损伤阶段产生可区分的AE响应;以及如何使用AE参数进行自动损伤识别和裂纹扩展预测。为此,首先分析了断裂形貌和疲劳寿命。然后使用累积能量和环形计数等AE参数表征损伤演化。基于可行性和相关性选择有效特征,开发了基于KNN的识别模型以识别疲劳损伤阶段。最后,建立了AE参数与疲劳裂纹扩展速率之间的关系,并提出了基于AE的类Paris模型用于裂纹扩展预测。
因此,本文其余部分组织如下。第2节介绍实验设计和疲劳测试结果。第3节使用KNN方法研究基于AE的疲劳损伤识别。第4节分析疲劳裂纹扩展行为并开发基于AE的预测模型。第5节总结结论。本研究的主要贡献是揭示Q460C对接焊接构件与疲劳损伤演化相关的AE响应特征,并为钢焊接结构的自动损伤识别和裂纹预测提供支持。
章节片段
实验设计
如图1所示,单边缺口试件由含有对接焊缝的Q460C钢制成[32],厚度为16 mm,中段宽度为32 mm,总长度为500 mm。焊缝坡口为V形坡口。分别在焊缝中心、焊缝-母材界面和母材中通过线切割引入长度为6 mm的贯穿预制裂纹。
Q460C钢的化学元素包括C、Si、Mn、P、S、Al、Cr、Ni、Cu、Mo、Nb
疲劳损伤演化规律
在AE特征参数中,累积能量和累积环形计数可以有效地反映AE活动的强度和总量[34],使其成为反向表征材料内部裂纹活动和损伤演化的理想指标[35]。图6展示了不同加载条件下钢试件的累积AE能量和环形计数分布曲线与疲劳寿命比的关系。同时,疲劳
疲劳裂纹扩展行为研究
在疲劳加载期间,AE特征参数与裂纹扩展行为之间存在明显的对应关系。如图10所示,累积环形计数和累积能量的变化趋势总体上与裂纹扩展过程一致。特别是当裂纹扩展速率增加时,两个参数都显示出显著增加,表明AE累积参数可以有效地表征疲劳损伤的演化。需要注意的是,
结论
对Q460C对接焊接接头试件进行了疲劳裂纹扩展测试。采用AE技术结合KNN方法分析疲劳裂纹相关损伤。在此基础上,基于断裂力学理论和Paris定律,建立了基于AE特征参数的疲劳裂纹预测模型。主要结论如下:
(1) Q460C对接焊接接头的疲劳裂纹扩展可分为三个阶段:近阈值阶段
展望与未来工作
未来的研究将集中在使用更多试件、独立的裂纹长度测量和额外的数据集来验证所提出的模型。还将研究其在变幅载荷下的适用性以及裂纹闭合、载荷序列、噪声、传感器配置和裂纹位置的影响。此外,将探索时间特征和序列模型以提高连续疲劳阶段监测并推动基于AE的工程应用
CRediT作者贡献声明
Hongmei Tan:撰写—审阅与编辑,撰写—原稿,验证,监督,方法论,资金获取,正式分析,概念化
Yue Shu:撰写—原稿,可视化,验证,软件,调查,正式分析,数据管理
Shiao Hu:可视化,验证,软件,方法论,调查,正式分析,数据管理
Yong Zeng:撰写—审阅与编辑,验证,资源,项目管理,资金获取
利益冲突声明
作者声明在本文发表方面不存在利益冲突。
致谢
感谢国家自然科学基金(项目编号:52478139)和湖北省自然科学基金创新发展联合基金项目(项目编号:2026AFC1169)的支持。
Hongmei Tan | Yue Shu | Shiao Hu | Yong Zeng | Ji Qian | Zhibin Li
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号