损伤预测

损伤预测（共7篇）

损伤预测 篇1

随着西部大开发战略的实施, 西部地区桥梁工作状态越来越成为关注的重点, 对在役桥梁结构进行耐久性评估可以揭示潜在危险, 为业主提供准确信息, 避免重大事故发生[1], 因此, 桥梁耐久性的评估成为需要迫切解决的问题。

1 冻融循环对混凝土损伤度的影响

1.1 混凝土的冻融破坏机理[2,3]

目前, 提出的混凝土破坏机理有6种:水的离析成层理论、静水压理论、渗透压理论、充水系数理论、临界饱水值理论和孔结构理论, 其中最具代表性的是静水压和渗透压理论。

1) 静水压理论。

静水压理论学说主要由以下几个要点组成:①冻结时, 负温度从混凝土构件的四周侵入, 冻结首先在混凝土四周表面上形成, 并将混凝土构件封闭起来。②由于表层水结冰, 冰体积膨胀, 将未冻结的水分通过毛细孔道压入饱和度较小的内部。③随着温度不断降低, 冰体积不断增大, 继续压迫未冻水, 未冻水被压得无处可走、于是在毛细孔内产生越来越大的压力, 从而水泥石内毛细孔产生拉应力。④水压力达到一定程度, 水泥石内部的拉应力过高, 抗拉强度限时, 则毛细孔会遭到破裂, 混凝土中即产生微裂纹而受到破坏。

2) 渗透压理论。

在低温条件下时, 大孔及毛细孔中的溶液首先有部分冻结成冰, 由于在溶液中的水从中冻结出来, 使得溶液的浓度变大。使得溶液在毛细孔与凝胶孔内的存在浓度差, 这引起了从凝胶孔向毛细孔的扩散作用, 形成了渗透压。

1.2 混凝土损伤度的定义[4]

根据损伤力学的基本理论将混凝土冻融循环后混凝土损伤度D定义为式 (1) , 即混凝土损伤程度 (损伤变量D) 由其相对动弹性模量来表征。混凝土冻融循环后相对动弹性模量愈低, 意味着损伤程度愈大

D=1-En/E0. (1)

式中: D为混凝土损伤度;E0、En为混凝土初始动弹性模量、剩余动弹性模量。

1.3 混凝土冻融循环损伤度的影响因素

1) 循环次数的影响。

文献[5]中试验证明, 在冻结温度差和冻结速率不变的情况下, 随着冻融次数的增加, 混凝土的强度特性均呈下降趋势, 随着冻融次数的增加, 混凝土的抗拉强度和抗折强度迅速下降, 而抗压强度下降趋势较缓, 也即混凝土经过冻融循环次数越多, 其损伤度越大。

2) 循环温度差的影响。

目前, 对于冻融循环时的温度差对混凝土损伤影响规律的研究还相对较少, 还没有确定的与温度差有关的损伤变量公式, 但是文献[5]给出了不同冻结温度的混凝土冻融破坏试验结果 (见表1) , 得到的冻融试验 S-N 关系曲线见图1。

由表1的结果可以看出, 冻结温度对混凝土的冻融破坏有明显的影响, 当冻结温度差为22 ℃时, 普通混凝土只能承受 7 个冻融循环, 当冻结温度差为15 ℃时冻融循环增加到12个, 而当冻结温度差为10 ℃时, 混凝土承受的冻融循环数将大幅度提高, 即提高到了133次, 说明温度差对混凝土损伤度的影响具有一定的随机性。

3) 冻结速率对混凝土损伤度的影响。相关研究认为, 冻结速率越快, 水压力越大, 即对冻融损伤度的影响越大。文献[5]中得出了速率和循环次数的关系, 如表2、图2所示。

由表2中结果可以看出, 冻结速率对混凝土的冻融破坏有一定的影响, 冻结速率提高, 冻融破坏力加大, 混凝土容易破坏。

2 室内环境下冻融循环影响下的损伤度预测

2.1 损伤度与循环次数关系的建立

本文选取不同等级混凝土在室内冻融试验下相对动弹模随冻融循环次数衰减的试验数据, 如表3所示, 并把相对动弹模代入上述混凝土损伤度公式中, 得出二维坐标下的混凝土损伤度和循环次数关系曲线, 如图3所示。

2.2Matlab实现

从图3中可以看出, 混凝土损伤度和循环次数大概呈现指数或幂函数分布, 利用Matlab建立拟合曲线模型, 程序如下:

X=[X1, X2, …, Xn], Y=[Y1, Y2, …, Yn];

myfun=inline (‘beta (1) ×exp (beta (2) ) ’, ‘beta’, ‘x’) ;

beta=nlinfit (X, Y, myfun, [beta (1) 0, beta (2) 0]) ;

N=min (t) :0.1:max (t) ;

D=beta (1) *exp (beta (2) *N) ;

plot (X, Y, 'o', T, D)

通过拟合建立出来的曲线形式为D=a*exp (bN) , 其中, a, b为与材料有关的拟合系数。

3 西藏地区冻融循环作用后混凝土损伤度的预测

3.1 西藏地区温度随时间变化特点

西藏冻融循环大致出现在10～12月, 2～5月期间, 1月份基本上为完全冻结时期[9], 从而可以推得现场环境下的冻融循环次数, 但是要针对现场环境下做出冻融循环损伤度的预测首先要确定环境变化的规律, 文献 [9]中提出西藏地区温度变化情况:温度差变化呈现一定的随机性, 而以年为周期的又呈现出周期性, 温度差从0 ℃到40 ℃随机变化, 针对西藏地区提出冻融循环损伤度的预测, 考虑在温度差的随机性和冻融循环次数共同作用下的混凝土损伤度。

3.2 考虑现场环境影响的混凝土损伤度的预测

工程中混凝土结构遭受冻融循环作用的正负峰值温度差是随机的, 温度差与冻融次数的关系也具有一定的随机性, 根据Miner法则, 把冻融循环正负峰值温度差是随机变化的冻融循环问题简化为多个正负峰值温度差顺序作用的冻融问题。第i阶段中冻融循环平均正负峰值温度差为Si, 冻融循环次数为ni, 在此种冻融循环正负峰值温度差情况下混凝土结构的冻融循环损伤度为Di。

并给出下面假定:①任一循环正负峰值温度差水平下, 每一次冻融循环产生等量的混凝土内部损伤。②累积损伤速率与以前的冻融正负峰值温度差变化历史无关。根据假定, 可知:D1=D2=…=Dn, 则可由此得出在不同温度差下的循环次数的关系, 假定现已知温度差S1下的循环次数D1=a1*exp (b1N1) , 和其相邻温度差S2下的损伤度D2=a2*exp (b2N2) , 则通过D1=D2, 可得等效循环次数${\rm N}{}_{2,1e}=\frac{b{}_1(\text{l}\text{n}a{}_1-\text{l}\text{n}a{}_2){\rm N}{}_1}{b{}_2}$, 则在两个温度差下的冻融循环损伤度可表示为

$\begin{array}{l}D=a{}_1*\exp (b{}_1{\rm N}{}_1)+a{}_1*\exp (b{}_1{\rm N}{}_2)=\\ a{}_1*\exp (b{}_1{\rm N}{}_1)+a{}_1*\exp \left(b{}_1^2\frac{(\text{l}\text{n}a{}_1-\text{l}\text{n}a{}_2){\rm N}{}_1}{b{}_2}\right).(2)\end{array}$

$\text{同}\text{样}‚\text{可}\text{将}S{}_1\text{和}S{}_2\text{的}\text{累}\text{计}\text{循}\text{环}\text{次}\text{数}{\rm N}{}_{2,1e}+{\rm N}{}_1\text{等}\text{效}\text{成}S{}_3\text{阶}\text{段}\text{的}\text{等}\text{效}\text{循}\text{环}\text{次}\text{数}$

${\rm N}{}_{1+2,3e}=\frac{b{}_1(\text{l}\text{n}a{}_1-\text{l}\text{n}a{}_3)\left(1+\frac{b{}_1(\text{l}\text{n}a{}_1-\text{l}\text{n}a{}_2)}{b{}_2}\right){\rm N}{}_1}{b{}_3}.(3)$

以此类推, 可以得出累计损伤度D。

按现行国内各部门混凝土试验规程的快速冻融试验方法, 室内外的对比关系在1∶10～1∶15, 平均为1∶12, 即室内一次快速冻融循环相当于自然条件下12次冻融循环, 根据西藏地区的气候环境看, 可认为西藏每年平均循环次数为180次, 则使用寿命t=12N/180年, 其中N为各等效循环次数的累积值。

4 结 论

1) 基于冻融破坏产生机理分析影响冻融循环破坏的因素, 提出以损伤度定量表示冻融循环的破坏程度, 并基于已有试验数据提出指数拟合方法, 通用的拟合程序使拟合更快速。

2) 基于Miner法则, 利用损伤等效原理推出经过多级温度荷载后混凝土的损伤度累积的公式。

3) 结合西藏实际的温度差变化规律和降温速率的大小把现场循环次数温度等效于室内循环次数, 对西藏地区冻融循环影响下的桥梁耐久性的分析有一定的实际意义。

参考文献

[1]朱平华, 金伟良, 倪国荣.在役混凝土桥梁结构耐久财评估方法[J].浙江大学学报, 2006 (4) :658-667.

[2]宋玉普, 冀晓东.混凝土冻融损伤可靠度分析及剩余寿命预测[J].水利学报, 2006 (37) :259-263.

[3]曾强, 李克非.冻融情况下降温对水泥基材料变形和损伤的影响[J].清华大学学报, 2007 (48) :1390-1394.

[4]刘荣桂, 付凯, 颜庭成.基于损伤理论的预应力混凝土冻融破坏研究[J].四川建筑科学研究, 2007 (4) :1-2.

[5]李金玉, 曹建国.混凝土冻融破坏机理的研究[J].水利学报, 1999 (1) :41-49.

[6]刘远, 余文芳.混凝土冻融随机损伤预测方法研究[J].人民黄河, 2009 (31) :112-114

[7]商怀帅, 宋玉普, 覃丽坤.普通混凝土冻融循环后性能的试验研究[J].建筑科学与工程学报, 2005 (22) :9-11

[8]李平先, 张雷顺.冻融循环作用下混凝土的剪切强度试验研究[J].郑州大学学报, 2004 (4) :12-15

[9]李川, 张廷军, 陈静.近40年青藏高原地区的气候变化[J].高原气象, 2004 (23) :97-103.

损伤预测 篇2

半导体材料已广泛应用于各种微电子领域, 如计算机系统、电子通信设备、汽车、消费电子系统和工业自动控制系统等, 而绝大多数的半导体材料是采用硅晶片。目前, 集成电路制造中普遍采用的芯片制造工艺流程为:单晶生长→磨外圆→硅晶体切片→平坦化→腐蚀→抛光→清洗→图案制造→背磨→划片→封装。切片是把单晶硅由硅棒变成硅片的一个重要工序, 获得切片过程中产生的亚表层损伤裂纹的深度值对后续加工具有非常大的指导作用, 直接影响着后续工序的工作量和成本。

樊瑞新等[1]用X射线双晶衍射的方法检测了切割硅片的亚表层损伤层厚度, 其检测结果表明, 与内圆切片机切割硅片相比, 线切割硅片的损伤层深度要浅一些。孟剑峰等[2]采用有限元分析的方法研究了线锯切割硅片的亚表层损伤厚度。在不考虑锯丝振动情况下, 损伤层厚度随磨粒的减小、锯丝速度vs的增大和进给速度vw的减小而减小。许多学者对光学晶体材料进行了加工实验, 结果表明, 加工后晶体的表面粗糙度Rz与亚表层损伤层厚度dSSD之间存在着某种特定的关系[3,4]。但是与此相关的理论研究都是把加工过程近似为受法向载荷作用的磨粒的压痕过程, 没有考虑切向载荷作用, 并且没有考虑加工过程对材料断裂韧性的影响。

本文把线锯加工中磨粒的切削作用过程近似为受法向载荷与切向载荷作用的压头移动过程。基于压痕断裂力学理论, 综合考虑磨粒下方弹性应力场与残余应力场对中位裂纹扩展的影响, 分析了中位裂纹长度与横向裂纹深度的关系, 从而建立了dSSD与Rz之间的关系, 建立了预测亚表层损伤层厚度的理论模型, 并采用截面显微法对硅片的亚表层损伤层厚度进行了实验研究。

1 线锯切片材料去除机理与亚表层损伤形式

1.1 线锯切割硅片材料去除机理

线锯切割单晶硅时, 锯丝表面金刚石磨粒的切削作用引起单晶硅亚表层产生横向裂纹和中位裂纹。横向裂纹扩展到表面, 产生微破碎和宏观破碎断裂形成切屑, 实现材料去除, 使得表面呈弹坑状的形貌, 切屑形成与材料去除主要是脆性断裂的结果[5]。材料去除后在亚表层中残留裂纹, 形成损伤层。

1.2 硅片亚表层损伤形式

线锯切割后硅片损伤层从表面开始, 大体有三个区域:非晶多晶嵌镶层、裂纹层和弹性畸变区, 其亚表层损伤主要是微裂纹层损伤[1], 因此本文分析的亚表层损伤层厚度为亚表层中裂纹层的厚度, 即中位裂纹扩展引起的亚表层损伤的厚度。

2 亚表层损伤层厚度预测的理论模型

脆性模式下切削时, 一般认为, 横向裂纹在磨粒下方塑性变形区的h深度处产生, 并进一步扩展到加工表面导致材料的去除, 最终形成具有弹坑式形貌的加工表面。因此可认为表面粗糙度Rz近似等于横向裂纹的深度h[3]。而磨粒划过加工区, 类似于压痕过程中压头的卸载作用, 在工件亚表层中残留中位裂纹, 形成损伤层。从工件表面到中位裂纹最终扩展深度的距离可视为晶片亚表层损伤层的厚度。

2.1 中位裂纹长度

磨粒加工时, 中位裂纹扩展到最大长度的时刻即为外载荷加载过程磨粒下方产生最大塑性形变的时刻[6]。中位裂纹扩展到最大长度时的磨粒下方接触区的压痕应力场包括由外载荷引起的弹性应力场与由压痕所得不可逆形变区的弹塑边界处的形变失配导致的残余应力场。它们的共同作用导致中位裂纹的扩展, 中位裂纹的实际最大扩展长度应是以上两个应力场对其扩展的共同贡献。

只考虑法向载荷作用时 (图1a) , 压头下方塑性区导致的残余应力场引起的中位裂纹长度的理论公式[3]为

$c^{\prime }=\alpha {}_{\text{Κ}}^{2/3}(\frac{E}{{\rm H}}){}^{1/3}(\cot \psi ){}^{4/9}(\frac{{\rm P}}{{\rm K}{}_{\text{C}}}){}^{2/3}$ (1)

式中, c′为中位裂纹长度, μm;P为法向载荷压力, N;ψ为磨粒的锐度角, (°) ;E为弹性模量, GPa;H为硬度, GPa;KC为材料的静态断裂韧性, MPa·m1/2;αK为量纲一常数, αK=0.0366。

在法向载荷引起的弹性应力场与由磨粒下方塑性区导致的残余应力场共同作用下, 中位裂纹的长度为[4]

$c=(\kappa \alpha {}_{\text{Κ}}){}^{2/3}(\frac{E}{{\rm H}}){}^{1/3}(\cot \psi ){}^{4/9}(\frac{{\rm P}}{{\rm K}{}_{\text{C}}}){}^{2/3}$ (2)

式中, κ为综合考虑弹性应力场与残余应力场作用下中位裂纹长度的修正系数, κ=1+XMe/XMr;XMe、XMr分别为弹性应力场与残余应力场的压痕系数。

文献[6]通过尖锐压头的压痕实验确定了压痕系数值, XMe=0.032, XMr=0.026。

进一步变化式 (2) , 得到如下形式:

$\begin{array}{l}c=[\frac{X{}_{\text{e}}^{\text{Μ}}}{X{}_{\text{r}}^{\text{Μ}}}\alpha {}_{\text{Κ}}(\frac{E}{{\rm H}}){}^{1/2}(\cot \psi ){}^{2/3}\frac{{\rm P}}{{\rm K}{}_{\text{C}}}+\\ \alpha {}_{\text{Κ}}(\frac{E}{{\rm H}}){}^{1/2}(\cot \psi ){}^{2/3}\frac{{\rm P}}{{\rm K}{}_{\text{C}}}]{}^{2/3}(3)\end{array}$

式 (3) 中括号内, 前一部分是法向载荷引起的弹性应力场对中位裂纹长度的贡献, 后一部分是塑性区引起的局部残余应力场对中位裂纹长度的贡献。

以上得到的中位裂纹长度只考虑了法向载荷的作用。实际上, 锯切时磨粒的切削作用是垂直载荷与切向载荷共同作用下的材料的断裂去除过程。这种情况下磨粒下方仍然会产生与法向载荷单独作用时非常相似的中位裂纹, 但是裂纹的长度和产生的方向将受到切向载荷的影响, 中位裂纹由垂直方向向前偏转一个角度, 称为裂纹生成角γ[7], 如图1b所示。切向载荷的施加必然影响磨粒下方弹性应力场的分布, 对中位裂纹产生与扩展的方向、扩展长度都产生影响, 因此需要对考虑法向载荷与切向载荷共同作用时的中位裂纹的扩展长度公式进行修正。切向载荷和法向载荷共同作用下的半空间应力场分布可看成是由法向载荷和切向载荷分别单独作用下的应力场的叠加。

在式 (3) 中, 中位裂纹长度c是在准静态条件下获得的, 锯切过程中磨粒与工件接触瞬间会产生较大的冲击作用, 用静态断裂韧性来研究动态裂纹扩展显然不能正确反映材料在冲击载荷作用下的动态断裂特性。根据Clifton等利用平板冲击试件研究动态断裂规律的试验结果[8], 脆性材料的动态断裂韧性KD的值大约为静态断裂韧性KC的30%, 因此综合考虑切向载荷作用与动态断裂韧性KD时, 中位裂纹的长度cM为

$\begin{array}{l}c{}^{\text{Μ}}=[\frac{X{}_{\text{e}}^{\text{Μ}}}{X{}_{\text{r}}^{\text{Μ}}}\alpha {}_{\text{Κ}}(\frac{E}{{\rm H}}){}^{1/2}(\cot \psi ){}^{2/3}\frac{\epsilon {\rm P}}{0.3{\rm K}{}_{\text{C}}}+\\ \alpha {}_{\text{Κ}}(\frac{E}{{\rm H}}){}^{1/2}(\cot \psi ){}^{2/3}\frac{{\rm P}}{0.3{\rm K}{}_{\text{C}}}]{}^{2/3}(4)\end{array}$

式中, ε为切向载荷当量系数, 是引起中位裂纹扩展的主应力在切向载荷和法向载荷共同作用下的最大值与仅有法向载荷单独作用时最大值的比值, ε∝Ft/P;Ft为磨粒所受的切向载荷。

2.2 横向裂纹深度

当磨粒划过加工区时, 磨粒下方材料由于压应力作用形成近似半球形的塑性变形区, 其特征尺寸为b, 是塑性变形区的半径尺寸;塑性变形区的深度尺寸为h, h与b近似相等[6]。塑性区外面是材料弹性区, 当磨粒划过加工区后, 类似压头的卸载过程, 由于材料弹性恢复作用, 塑性区材料受到挤压, 导致拉应力在弹性与非弹性边界上某一点达到最大值。当此最大拉应力超过材料的强度极限时, 横向裂纹在压痕正下方塑性变形区与弹性变形区的交界处起裂 (图1) , 因此认为横向裂纹产生的深度也为h[3]。横向裂纹随着磨粒的进一步离去而扩展至材料表面并导致材料表层碎裂而脱落, 形成切屑。

横向裂纹深度的理论公式为[3]

$h=0.43(\sin \psi ){}^{1/2}(\cot \psi ){}^{1/3}(\frac{E}{{\rm H}}){}^{1/2}(\frac{{\rm P}}{{\rm H}}){}^{1/2}$ (5)

由式 (5) 可以看出, 塑性变形区深度尺寸与磨粒的锐度角、所施加的法向载荷, 以及材料特性有关。切向载荷的施加增加了磨粒前端亚表层横向裂纹的扩展长度与速率, 引起材料的去除, 但不会影响磨粒下方不可逆塑性形变区的深度。

2.3 损伤层厚度预测的理论模型

磨粒划过后的加工区域, 形成的加工表面的表面粗糙度值Rz等于横向裂纹的深度, 因此, 脆性模式下材料去除后形成的加工表面的表面粗糙度值为

$Rz=0.43(\sin \psi ){}^{1/2}(\cot \psi ){}^{1/3}(\frac{E}{{\rm H}}){}^{1/2}(\frac{{\rm P}}{{\rm H}}){}^{1/2}$ (6)

工件亚表层损伤主要是中位裂纹层的损伤, 因此亚表层损伤层的厚度 (图1b中的dSSD) 为

$\begin{array}{l}d{}_{\text{S}\text{S}\text{D}}=Rz+(1+\frac{X{}_{\text{e}}^{\text{Μ}}}{X{}_{\text{r}}^{\text{Μ}}}\epsilon ){}^{2/3}\alpha {}_{\text{Κ}}^{2/3}(\frac{E}{{\rm H}}){}^{1/3}\cdot \\ (\cot \psi ){}^{4/9}(\frac{{\rm P}}{0.3{\rm K}{}_{\text{C}}}){}^{2/3}\cos \gamma (7)\end{array}$

式 (6) 与式 (7) 中均含有磨粒的法向力P, 对于线锯锯切过程而言, 各个磨粒的法向力P很难获得, 因此联立式 (6) 与式 (7) , 消去法向力P, 可得到dSSD与表面粗糙度值Rz之间的关系:

$d{}_{\text{S}\text{S}\text{D}}=Rz+3.08(1+\frac{X{}_{\text{e}}^{\text{Μ}}}{X{}_{\text{r}}^{\text{Μ}}}\epsilon ){}^{2/3}\alpha {}_{\text{Κ}}^{2/3}\frac{\cos \gamma }{(\sin \psi ){}^{2/3}}\frac{{\rm H}E{}^{(-1/3)}}{(0.3{\rm K}{}_{\text{C}}){}^{2/3}}Rz{}^{4/3}$ (8)

式 (8) 可用来预测线锯切割单晶硅表面的亚表层损伤层厚度。由式 (8) 可以看出, 硅片的亚表层损伤与单晶硅的机械特性 (弹性模量、硬度与断裂韧性) , 磨粒的锐度角, 磨粒切向载荷与法向载荷比η以及表面粗糙度相关。对于给定的加工材料与加工工艺参数, dSSD与Rz之间是非线性的单调递增的关系。

由于金刚石磨粒生长机理与破碎制粒过程不同, 其形状极不规则, 显微镜下观察为多面锥结构。类似磨削过程, 线锯切削多是磨粒的负前角切削, 因此将磨粒简化为圆锥体[5], 其顶角为120°, 进行损伤层预测计算时其锐度角ψ取60°。

式 (8) 中还含有切向载荷当量系数ε与裂纹生成角γ两个量, 前者代表了切向载荷的施加对磨粒下方的Boussinesq弹性应力场分布的影响程度, 从而体现了对切向载荷与法向载荷共同作用下中位裂纹的扩展长度的影响;后者体现了切向载荷与法向载荷比η对中位裂纹产生与扩展方向的影响。ε、γ与η的关系如图2所示。

与磨削砂轮不同, 线锯切割中的锯丝为弹性体, 锯切时会发生相对明显的弹性变形。大量的锯切实验表明[2], 线锯锯切时切向载荷与法向载荷比η的变化范围较小, 其值基本稳定。线锯锯切单晶硅时锯丝总切向载荷与总法向载荷比T在0.60～0.68之间, 锯丝表面单磨粒的切向载荷与法向载荷比η与T的关系为:η=πT/4, 因此η在0.47～0.53之间, 由图2得, 所对应的切向载荷当量系数ε的值在1.0925～1.1125之间, 裂纹生成角γ的值在18.16°～19.95°之间。由于线锯锯切过程中单磨粒的η值的变化范围很小, ε与γ的变化范围也很小, 因此在进行线锯加工单晶硅的亚表层损伤层厚度预测时, 取ε=1.1、γ=19°来进行计算, 对预测损伤层厚度的影响很小。这样就不必进行重复试验以测取T值。

实际上, 锯切过程中锯切力、锯丝振动与切削液作用等工艺因素对亚表层损伤层厚度的影响可由表面粗糙度值的变化体现出来。

3 硅片亚表层损伤层厚度的测量

3.1 测量方法

线锯切割使晶片亚表层损伤较大, 因此采用截面显微法来检测硅片损伤层厚度[9]。其检测方法是通过对加工晶体的截面进行检测以获取相关信息, 从而得到亚表层损伤深度。截面显微法是获取亚表层损伤最直接的方法, 其样品制备及检测原理如下:工件1和工件2的两个侧面经研磨抛光, 在光学显微镜下观察无明显的划痕以及裂纹后, 把这两个面紧密黏合起来。线锯切割时, 锯丝沿与两工件黏合面垂直的方向走丝, 试件沿与走丝方向垂直的方向进给。锯切完成后, 分离工件1和工件2, 使用丙酮进行超声波清洗后在扫描电子显微镜下由截面观测硅片亚表层损伤层的情况及厚度。采用此种方法观测到的亚表层损伤主要是截面碎屑损伤[9]。亚表层中残留的裂纹交错, 使得在截面形成碎屑, 从而体现亚表层损伤层厚度, 如图3所示。由于碎屑损伤厚度值不均匀, 因此每个截面取五处测量, 然后取平均值。

3.2 预测结果与实验结果比较

选取单晶硅的 (111) 晶面进行锯切。材料特性参数为E=187GPa, H=10GPa, KC=0.82MPa·m1/2。

单晶硅加工所需样品的制备在WXD170型往复式金刚石线切割机上完成。切割参数如下:金刚石锯丝直径0.28mm, 锯丝总长50m, 金刚石粒度为W40, 线张紧力为20N, 锯切过程采用水冷却。

由于使用光切显微镜检测锯切表面粗糙度Rz存在较大的人为误差, 因此采用2205型表面粗糙度测量仪检测锯切表面沿锯丝运动方向的表面粗糙度Ra, 即在图4中沿AB方向测量Ra值;根据Ra与Rz的换算关系得到Rz值, Ra<2.5μm时, 近似的关系为Rz=5Ra。每个Ra值是5处测量取平均值得来的。代入式 (8) 中预测亚表层的损伤层厚度。使用日立S-2500型扫描电子显微镜观测亚表层损伤层厚度。理论预测值与实验检测值的比较如表1所示。

注:e= (dpSSD-dmSSD) /dmSSD。

由表1可以看出, 亚表层损伤层厚度预测值与实验测量值之间的误差在12.78%内, 说明理论预测结果与实验测量结果较为接近。误差是由损伤层测量误差与预测误差两方面引起的。预测值均小于实验检测值, 分析其主要的原因可能为预测理论模型中磨粒下方的弹性应力场与残余应力场只考虑了单磨粒的作用, 而实际锯切中相邻磨粒对彼此下方的应力场也产生影响, 从而增强了每个磨粒下方的应力场, 其结果可能使中位裂纹扩展更深;材料去除是多磨粒产生的横向裂纹交叉干涉的结果, 与单磨粒切削的材料去除有所区别, 使得Rz<h (横向裂纹的深度尺寸) 。

4 结论

线锯切割硅片产生的亚表层损伤层厚度值决定后续加工工序的去除量。本研究中, 将中位裂纹扩展层深度视为亚表层损伤层厚度, 将磨粒下方横向裂纹深度视为锯切后表面粗糙度值Rz, 从而建立了亚表层损伤层厚度与表面粗糙度值之间的理论模型。锯切硅片的亚表层损伤与单晶硅的机械特性, 如弹性模量、硬度与断裂韧性, 切削磨粒的锐利度和硅片表面粗糙度相关。

实验测量结果与理论预测结果较为接近, 因此可以通过测量切片表面的表面粗糙度值, 使用本文提出的理论模型快速、简便和准确地预测亚表层损伤层厚度。

摘要：将线锯加工中磨粒的切削作用过程近似为受法向力与切向力作用的压头移动过程, 基于压痕断裂力学理论, 综合考虑磨粒下方弹性应力场与残余应力场对中位裂纹扩展的影响, 给出了中位裂纹扩展长度的计算公式。将中位裂纹扩展层深度视为亚表层损伤层厚度dSSD, 将磨粒下方横向裂纹产生深度视为锯切后表面的表面粗糙度值Rz, 从而建立了亚表层损伤层厚度与表面粗糙度值之间的理论模型, 用于预测损伤层厚度;使用扫描电子显微镜 (SEM) , 采用截面显微法对硅片的亚表层裂纹层厚度进行了实验检测。结果表明, 实验检测结果与理论预测结果较为接近, 采用该理论模型能够快速、简便和准确地预测亚表面损伤层厚度。

关键词：线锯,单晶硅,亚表面损伤,表面粗糙度,裂缝

参考文献

[1]樊瑞新, 卢焕明.线切割单晶硅表面损伤的研究[J].材料科学与工程, 1999, 17 (2) :55-57.

[2]孟剑峰, 葛培琪, 李剑峰, 等.硅晶体线锯切片损伤层厚度的有限元分析[J].中国机械工程, 2007, 18 (10) :1189-1192.

[3]Lambropoulos J C, Jacobs S D, Ruchman J.MaterialRemoval Mechanisms from Grinding to Polishing[J].Ceramic Transactions, 1999, 102:113-128.

[4]Li Shengyi, Wang Zhuo, Wu Yulie.Relationship be-tween Subsurface Damage and Surface Roughness ofOptical Materials in Grinding and Lapping Processes[J].Journal of Materials Process Technology, 2008, 205 (1/3) :34-41.

[5]Gao Yufei, Ge Peiqi, Hou Zhijian.Study on RemovalMechanismof Fixed-abrasive Diamond Wire SawSlicing Monocrystalline Silicon[J].Key EngineeringMaterials, 2008, 359-360:450-454.

[6]Marshall D B, Lawn B R, Evans A G.Elastic/PlasticIndentation Damage in Ceramics:the Lateral CrackSystem[J].Journal of the American Ceramic Socie-ty, 1982, 65 (11) :561-566.

[7]董申, 赵奕, 周明, 等.尖锐压头刻划脆性材料的断裂机理研究[J].航空精密制造技术, 1998, 34 (2) :23-26.

[8]陈明君, 董申, 李旦, 等.脆性材料超密磨削时脆转变临界条件的研究[J].高技术通讯, 2000, 10 (2) :64-67.

损伤预测 篇3

低周疲劳是石化、冶金、动力、航空航天等领域承压设备发生失效的主要原因之一,寿命预测是工程上进行安全评估的重要依据,长期以来受到国内外学者的关注[1,2,3,4,5,6,7,8]。这类模型主要是基于疲劳寿命与半寿命或循环稳定段的应变、应变能密度等参数之间的关系建立的,对疲劳进程的反映不够,对非稳定段的寿命预测精度不高。为更好地描述疲劳进程,国内外不少学者采用损伤力学对低周疲劳进行描述[9,10,11,12,13,14],选取合理、易测量的损伤变量反映损伤的进程是这类方法的关键所在。

针对上述情况,本文基于连续介质基本守恒定律和连续损伤力学(CDM),将材料疲劳损伤造成的有效承载面积的减小表示为平均应变的函数,并按微裂纹阶段和疲劳裂纹阶段对材料低周疲劳的损伤演化进行分析,在此基础上建立一种新的低周疲劳寿命预测模型。为验证上述方法的准确性,进行了316L钢光滑试样420℃环境下应力控制的低周疲劳试验,用本文所述方法进行了损伤演化的描述,同时采用本文所述寿命预测模型选取各寿命段采样数据进行了寿命预测。

1 低周疲劳损伤演化及寿命预测

1.1 连续介质基本守恒定律

金属材料为连续致密介质,满足连续介质普遍适用的基本守恒定律[15],即:在选定的连续介质集合内,某一物理量在物体体积上的物质积分的时间变化率,等于该物理量的分布源在该体积上的物质积分与物体表面流入的物理量的面积分之和。按此定义,连续介质的基本守恒定律可表示如下:

式中,Φ为某一给定的物理量;φ、ψ、π为同阶张量;V为物理量Φ 占据的体积;V为V的表面;n为V的外法线矢量。

张量场函数的Green积分公式为

利用式(2),式(1)可改写为如下形式:

式中,Σ 为比π 高一阶的张量;▽ 为Hamilton算子。

输运定理的表达式为

式中,v为给定物理量通过∂v面的流出速度。

利用式(4),式(3)所示的守恒定律可改写为如下积分形式:

选取质量m为给定物理量代入式(5),并取φ为1,ψ、Σ 为0,式(5)可变形如下:

对于金属等不可压缩材料,divv=0,则由式(6)有dm/dt=0,即:

式中,m0为材料原始质量;mi为材料任一时刻的质量。

对于金属疲劳试样,由式(7)可得

式中,ρ为初始状态下试样材料密度;Δl为初始状态下选定的试样截面微元长度;A为初始状态下试样截面的有效承载面积;下标i表示任一时刻。

对于特定的温度环境,金属材料密度不变,式(8)可改写为

式(9)中,Δl与 Δli可表示为如下关系式:

式中,δli为相对于初 始状态下 试样截面 微元长度 的变化量。

将式(10)代入式(9),可得

其中,δli/Δl的值即为应变ε,则式(11)可改写为

式(12)表明金属疲劳试样有效承载面积的变化可表示为应变的函数。

1.2 低周疲劳损伤演化

疲劳是在循环载荷下材料局部微结构发生不可恢复的损伤并累积的过程,根据CDM理论[15],低周疲劳的损伤演化包括微裂纹的形成、扩展和疲劳裂纹的形成、扩展及断裂。微裂纹通常在材料表面或亚表面形成及扩展,一旦形成疲劳裂纹后,将迅速发生扩展,引起材料断裂及失效。因此,低周疲劳的损伤演化具有明显的非均匀性,微裂纹阶段损伤变化缓慢,疲劳裂纹阶段损伤迅速增加,导致失效。在实际的工程应用中,通过对损伤的变化进行监测,即可知道损伤演化阶段,从而采取相应的防护措施。

根据CMD理论,材料内部微裂纹、微孔洞等微观缺陷产生、发展导致材料失效破坏的过程和规律,可通过引入损伤变量来描述和表征。对于单轴拉压疲劳试样,试样内部微裂纹、微孔洞等缺陷的产生和发展会造成试样有效承载面积减小,其损伤可定义为

式中,A为试样初始状态下 的有效承 载面积;A*为试样产生损伤后的有效承载面积。

考虑到式(12),对于金属疲劳试样,应变的变化可用每一循环后的平均应变εm表征,则式(13)定义的损伤可改写为

式(14)对循环周次N求导,可得损伤变化率:

在实际应用中,可用相邻采样周次的损伤变化计算式(15)的损伤变化率,如下所示:

式中,VD,i为第i采样周次的损伤变化率;Δ[1-1/(1+εm)]i,i-1为i和i-1采样周次间的1-1/(1+εm)差值;ΔNi,i-1为i和i-1采样周次间的循环周次。

通过损伤变化率可方便地区分低周疲劳损伤的演化阶段。损伤变化率变化平缓的阶段为微裂纹阶段,损伤变化率迅速增加的阶段为疲劳裂纹阶段。在实际监测过程中,一旦材料进入疲劳裂纹阶段,应采取相应防护措施或停车,防止设备发生失效。

1.3 低周疲劳损伤及寿命预测模型

根据CDM理论,低周疲劳的损伤可选用合适的耗散势进行描述,并通过对耗散势积分得到损伤模型,材料常数通过试验进行确定和验证。前期研究[14]详细解释说明了疲劳损伤的基础理论,根据CDM理论,假定材料内部的损伤及能量耗散来自于塑性及微塑性变形,耗散势和损伤动力学定律可分别表示如下:

式中,φP为塑性耗散部分;φD为损伤耗散部分;φα为背应变耗散部分(极小,可忽略);λ为恒正的标量乘子;Y为应变能释放率。

选取合适的耗散势,代入式(18),积分后即可得到损伤模型。前期研究[15]已表明下式所示耗散势具有较好的代表性和适用性:

将式(19)代入式(18)可得

式中为累积塑性应变率每一循环的增量;S0、k分别为与温度和载荷相关的材料常数;N为循环周次;Nf为疲劳寿命。

对式(20)进行积分,假定初始无损伤,积分上下限取为D|N=0=0,D|N=Nf=1,可得

联立式(14)和式(21)可得

通过式 (22)反算疲劳 寿命,可得如下 表达式:

已知循环周次和对应周次的平均应变,利用式(23)即可得出材料的疲劳寿命,疲劳寿命与循环周次之差即为剩余寿命。相较于基于半寿命或循环稳定段疲劳参数的寿命预测模型,本模型对于各寿命段数据均可适用,尤其是疲劳前期和后期的非稳定段。另外,本模型为基于连续介质基本守恒定律和连续损伤力学推导得到的,理论依据明确,形式简单,可通过损伤变化率来反映材料的疲劳损伤进程,非常适合实际工程应用。

2 试验结果及讨论

试验在岛津电液伺服疲劳试验机上进行,试验材料为316L钢棒材,热轧态,沿轴向方 向取样,化学成分 见表1。 疲劳试样 按国标GB/T15248-2008[16],采用螺纹夹持的圆棒试样。试验温度为420℃,控制方式 为应力控 制,应力比R=0,控制波形 为正弦波,加载频率 为3.5~5Hz。试验中采用高温引伸计自动记录应力和应变。 试验温度 下材料弹 性模量为1.43×105MPa,屈服极限 为241.9 MPa,抗拉极限 为512.4MPa。

%

表2为材料420℃下的低周疲劳试验数据,其中 Δσ为名义应力范围。加载过程中材料的平均应变εm为每次循环加载过程中的最小应变和最大应变的平均值。图1为材料420℃下平均应变εm随N/Nf的变化图。图2为在图1所示的采样数据基础上,通过式(16)得到的材料420℃各低周疲劳载 荷下损伤 变化率随N/Nf的变化图。

从图2可知,316L钢在中温420℃下的低周疲劳损伤演化过程具有突变性,在90%寿命段附近损伤变化率迅速增加,材料快速发生失效。上述现象说明材料的微裂纹阶段是低周疲劳寿命消耗的主要阶段,约占寿命的90%,在微裂纹阶段,材料损伤变化率平缓增加,随着微裂纹形成、扩展产生疲劳裂纹后,疲劳裂纹迅速发生扩展,材料损伤变化率迅速增加,材料发生断裂 失效。同时,316L钢中温环境下的低周疲劳大部分阶段损伤变化平缓,在实际工况中,应注意损伤监测的实时性,一旦发现材料损伤变化率快速增加,应立即停车或采取相应的防护措施。另外,用式(14)所示平均应变的函数来表征损伤,物理意义明确,测量方便,非常适合于工程实际应用。

以式(22)所示损伤表达式,以1-D(即1/(1+εm),剩余损伤)为纵轴,1-N/Nf(剩余寿命分数)为横轴,拟合可得316L钢420℃下各加载工况下的材料常数k,拟合图见图3,拟合结果列于表2。将k代入式(23)即可得316L钢中温低周疲劳的寿命预测表达式。

如前所述,k为与载荷相关的材料常数,从表2可知,随加载名义应力范围的增加,k值逐渐增加。图4为材料常数k随加载名义应力范围 Δσ的变化趋势。从图4可以看出,k随 Δσ增加的变化呈线性关系,拟合曲线见图4,拟合关系为

相关度R=0.9516,将式(24)代入式(23)可得316L钢中温420℃下的低周疲劳寿命预测关系式如下:

利用式(25),根据相应工作载荷下循环周次对应的平均应变,即可获得疲劳寿命。分别选取表2所述低周疲劳工况Nf/4、Nf/2、3 Nf/4附近对应的循环周次和平均应变采样点,进行疲劳寿命的预测,预测效果见图5。

从图5可以看出,本文提出的低周疲劳寿命预测模型对于材料各个寿命段的采样数据均具有较好的预测效果,所有的数据点均处于2倍误差带以内,其中Nf/2、3 Nf/4对应的预测数据处于1.5倍误差带以内。

3 结论

(1)基于连续介质基本守恒定律和连续损伤力学,材料疲劳损伤造成的有效承载面积的减少可表示为平均应变的函数D=1-1/(1+εm),用上述函数表征损伤,材料的损伤变化率可表示为

通过316L钢420℃ 下的低周疲劳试验,发现微裂纹阶段是材料低周疲劳寿命消耗的主要阶段(约90%),损伤变化率发展平缓,当形成疲劳裂纹后,损伤变化率迅速增加,材料快速失效。

(2)基于连续介质基本守恒定律和连续损伤力学,用平均应变的函数表示损伤,在此基础上,建立了一个新的低周疲劳寿命预测模型:

损伤预测 篇4

1 资料与方法

1. 1 一般资料

选择2011 年至2014 年本院ICU收治的重度颅脑损伤患者52 例,其中男性39 例,女性13 例,年龄( 44 ±4. 2) 岁。入选条件: ( 1) 所有患者符合中华医学会神经外科分会关于重度颅脑外伤诊断标准; ( 2) 年龄24 ~62 岁; ( 3) 伤前无重要脏器功能障碍病史; ( 4 ) 无严重影响呼吸功能的颈部外伤、胸外伤等; ( 5) 入院时脑CT明确诊断为颅内血肿或者脑挫裂伤,所有病例均具有手术指征,全部行开颅血肿清除加去骨瓣减压术,术后均常规予以机械通气支持,其余脱水脑保护制酸预防感染等处理类似; ( 6) 撤机拔管前GCS评分5 ~8 分。该研究只是在经典拔管指征基础上增加无创BIS监测,所有患者已经签署知情同意书,并得到医院伦理委员会同意。

1. 2 分组

拔管前所有病例进行BIS监测,根据所测值以60为界将其分为小于60 分组( 低分组) 和大于或等于60分组( 高分组) ,结果低分组19 例,高分组有33 例,两组重度颅脑损伤患者年龄、病情等差异无统计学意义,具有可比性。

1. 3 方法

所有患者术后行常规机械通气支持,经脱水、脑保护、保护其他脏器、营养神经、维持内环境稳定等治疗,待患者循环稳定后、肺部无感染等异常情况、手触骨窗压力不高,吸痰管刺激吸痰,应用白卡片法,即用一张白纸放在距气管插管1 ~ 2 cm处,观察患者呛咳后分泌物能喷到卡片上即为阳性[6]。T管行SBT通过半小时后复查血气分析无异常、气道通畅性试验阴性即予以撤机拔管[1]。拔管前所有病例进行BIS监测,监测前所有患者均停用镇静剂24 h以上,彻底清洗患者额部皮肤油脂,以PHILIPS MP50 监护仪接BIS模块进行监测,同时记录信号质量指数、肌电活动,选取信号质量指数在80% ~ 100% 及肌电活动≤45 d B时的BIS值[2],连续监测3 次,取平均值。

1. 4 观察指标

( 1) 撤机成功率,标准为拔管后48 h内一般鼻塞给氧患者无呼吸急促费力等呼吸窘迫情况,复查血气无异常,为撤机成功。48 h内出现呼吸衰竭需要再插管为撤机失败。( 2) 再插管率。( 3) 肺部感染发生率,在脱机后1 周左右通过血白细胞数、降钙素原、痰培养以及胸片等感染指标诊断是否有肺部感染,计算肺部感染发生率。( 4) 治疗14 d后行GCS评分,1 个月后行GOS预后评分。

1. 5 统计学处理

应用SPSS 16. 0 软件进行分析,组间比较采用 χ2检验或者t检验。

2 结果

和低分组比较,高分组撤机成功率明显提高( P <0. 05) ,再插管率明显减少( P < 0. 05) ,肺部感染发生率也明显减少( P < 0. 05) 。在14 d GCS评分和1 个月后GOS评分方面,高分组较低分组也有明显提高( P <0. 05) 。见表1、2。

注: 括号中为例数

例

3 讨论

重度颅脑损伤患者脑组织挫伤出血、占位、水肿等会导致颅内压升高,甚至出现脑疝,导致脑灌注下降、脑功能障碍,出现一系列神经内分泌代谢等方面紊乱,通过手术骨窗减压、血肿清除后可以解除占位,术后常规机械通气支持,脱水、脑保护等处理,达到经验性拔管指征后撤机拔管仍有一定的失败率,原因可能是经过治疗后脑灌注、脑代谢等未完全恢复,导致呼吸中枢功能未完全恢复,咳嗽反射弱,气道保护能力差,可能还有舌根后坠等因素会引起呼吸衰竭,导致撤机失败[1]。故评估脑损伤恢复程度很有必要。

BIS监测是一种数字化脑电图,包括脑电频率、振幅、相位等参数,用0 ~ 100 分度表示,0 表示无脑电活动,100 表示清醒状态。近年来BIS监测广泛应用于临床,从麻醉深度、机械通气镇静治疗的监测到颅脑损伤程度及意识恢复程度的评估。有研究人员[6]将BIS监测用于重度颅脑外伤脑功能的评估,结果表明BIS值与脑功能恢复及意识恢复程度相关,且对预后有一定的评估价值。一般认为BIS值小于40 大脑皮层处于极度抑制状态,40 ~ 60 处于昏迷或全麻状态,60 以上处于睡眠状态[2],这也是本研究以60 为界进行分组的依据。本研究比较了两组不同BIS值拔管后的相关指标,结果表明高分组无论在撤机成功率、再插管率、后期肺部感染发生率以及预后指标方面皆优于低分组,两组之间差异有统计学意义,提示低分组的重度颅脑外伤患者其无论意识恢复、呼吸中枢驱动、咳嗽反射气道保护等皆差于高分组,后期预后也差于高分组。该研究结果提示: 对于符合纳入研究标准的这些重度颅脑外伤术后考虑撤机拔管时将BIS监测值作为参考指标有一定的价值,对于BIS值低于60 的患者是否可以考虑暂不予撤机拔管,通过继续机械支持保证脑氧供,减少耗氧,加强气道管理,控制颅内压,保证脑灌注,改善脑代谢,撤机拔管前再次监测BIS值,若大于60 时再予以撤机拔管,理论上应该可以提高成功率,能改善患者预后,这些有待以后进一步研究。

总之,BIS监测对重度颅脑损伤患者术后脱机拔管成功率有一定的预测价值,且对预后有一定的评估价值,将其作为重度颅脑损伤术后拔管评估指标有一定的参考价值。

摘要：目的:探讨脑电双频指数(BIS)监测在重度颅脑损伤术后撤机拔管中的预测价值。方法:选择52例重度颅脑损伤术后拟撤机拔管患者(GCS 5~8分),所入选患者术后全部符合经验性撤机拔管指征,拔管前行BIS监测,所有入组患者根据BIS值分为低分组(BIS<60分,n=19)和高分组(BIS≥60分,n=33)。比较两组撤机拔管成功率、再插管率、肺部感染发生率、入组两周后GCS评分、1个月后GOS预后评分。结果:BIS高分组脱机拔管成功率明显高于低分组,低分组再插管率高于高分组,两者之间差异有统计学意义(P<0.05)。低分组患者肺部感染发生率高于高分组,两者之间差异有统计学意义(P<0.05)。治疗两周后高分组GCS评分高于低分组,1个月后GOS评分高分组高于低分组,两组比较差异有统计学意义(P<0.05)。结论:在经验性撤机拔管的基础上应用BIS监测值作为撤机拔管的预测指标,能够提高重度颅脑损伤患者术后撤机拔管成功率,对患者预后有一定评估作用。

关键词：重型颅脑损伤,脑电双频指数,撤机

参考文献

[1]吉其舰.颈内动静脉血氧饱和度差值在重度颅脑损伤术后撤机中的预测价值[J].现代医学,2014,10:1169-1172.

[2]李孝锦,康焰,张川.脑电双频指数监测对机械通气患者镇静深度评估的研究[J].中国危重病急救医学,2009,21:361-363.

[3]王宏伟,金小东,刘娟,等.依托咪酯镇静时不同年龄患者脑电双频指数与镇静评分之间的相关性因素分析[J].中国危重病急救医学,2009,21:442-443.

[4]FABREGAS N,GAMBFIS P L,VALERO R,et al.Can bispectral index monitoring predict recovery of consciousness in patients with severe brain injury?[J].Anesthesiology,2004,101:43-51.

[5]LEAF Y M,FRIED D A,GAIESKI D F,et al.Neurologic prognostication and bispectral index monitoring after resuscitation from cardiac arrest[J].Resuscitation,2010,81:1133-1137.

损伤预测 篇5

混凝土被广泛应用于化学工业、港口航道工程,这些结构大多数会接触到水、盐以及酸性物质,这些物质会使钙离子流失,引起微观结构改变和孔隙增加使裂缝开展[1]。同时在外力作用下可使裂缝进一步开展,使得腐蚀性物质进入裂缝,增大接触面积与混凝土,进一步腐蚀混凝土,形成了恶性循环。因此,混凝土化学损伤的作用是导致混凝土力学性能退化的重要原因。混凝土结构大多为永久性,但是设计时很难掌握混凝土长期损伤下的强度,所以对混凝土长期强度的预测显得尤为重要。本文用灰色系统理论对混凝土化学损伤长期作用下的抗压强度进行推测。灰色系统理论是一种研究某些既含有已知信息又包含着未知或未确定信息的系统[2],该方法的特点是需要的数据量较少且可用于近期、短期,中长期预测,所以该方法比较适合损伤长期强度预测。

1 灰色预测模型

GM(1,1)灰色模型:设不同龄期搅拌水泥土试样的抗压强度及龄期的试验值为x(0)i和ti,i=1,2,…,n,建立原始数据列设有原始数据列:x(0)=(x(0)(1),x(0)(2),…,x(0)(n)),(n为数据个数)。则累加生成的抗压强度数据变量x(1)(i)对时间求导得x(1)白化方程为:

记a,u为参数向量a的元素,即

混凝土受损伤后抗压强度GM(1,1)灰色预测模型求解的基本步骤为:

(1)原始数据累加生成,得到:x(1)=(x(1)(1),x(1)(2),…,x(1)(n)),式中

(2)构造累加矩阵B与常数项向量Yn即:

(3)用最小二乘法求解灰参数

(4)求出后将灰参数代入时间函数,则即可得抗压强度预测模型的离散型式为:

该式即为混凝土受损伤后抗压强度GM(1,1)灰色预测模型。

(6)检验预测精度。

原始数据的均方误差为S1和残差的均方误差为S2,C称为后验差比值:C=S2/S1,P称为小误差频率:的平均值)。C与P两个指标,可综合评定预测模型的精度。模型精度等级参见表1。

2 混凝土受化学损伤实例分析

2.1 试验材料

混凝土配合比为水泥﹕水:砂:石=1:0.46:1.36:2.08,砂率为39.5%。试验采用Φ50mm×100mm的圆柱体。为了防止钙离子从加载面浸出,圆柱体的顶面和底面用石蜡密封,使得钙离子的浸出只能沿着圆柱的径向进行。

2.2 试验方法

为了加快腐蚀速度且较好地模拟环境对混凝土的腐蚀作用,试验选择恒定浓度盐酸(HCl)来加速溶蚀。标准养护28天后。另外,作为腐蚀速度的对照,另一组试件标准养护16天后,放入Ca(OH)2溶液中浸泡。

灰色模型计算结果与试验结果比较。

按C、P两个指标综合评价预测模型和精度,其标准是表1。

由表2可知混凝土浸泡在HCl、Ca(OH)2和NH4Cl中实际强度与预测强度相对误差平均值为7.8%,预测结果比较理想。

由表1、表2可知浸泡在HCl和Ca(OH)2的预测后验差比值C、小误差频率P精度等级都为很好。

3 总结

3.1以GM(1,1)为基础的灰色预测模型优化前精度较高可以应用于对大部分实际工程中混凝土化学损伤下强度的预测,通过建立本模型与实际工程混凝土损伤占初期强度百分比的关系可以推测混凝土在固定环境下的强度发展趋势。

3.2灰色系统理论可以有效处理小样本的信息不确定性系统,可以克服常规的回归分析方法以及神经网络方法需要数据多、分布规律明显的困难。

参考文献

[1]谢和平,岩石.混凝土损伤力学[M].中国矿业大学出版社,1990.7.3.

[2]邓聚龙.灰色系统基本方法[M].武汉:华中理工大学出版社,1996.

损伤预测 篇6

后天性脑损伤ABI是导致死亡和残疾的主要原因之一[1,2]。ABI恢复有利于促进认知功能康复, 从而补偿或者恢复大脑失去的功能, 并改善患者的生活质量[3,4]。康复过程中的问题之一是其时间比较久, 许多情况下, 该时间跨度不适于一个完整而有效的康复方案[5]。

为了改善认知康复过程, 最近文献[6]提出用于ABI患者认知康复的自动化系统, 利用该系统产生了大量数据, 利用数据挖掘技术对这些数据进行分析, 可以获得新的知识来评估和改善康复过程的有效性。此外, 利用信息分析和数据挖掘技术, 可以创建用于治疗ABI患者的预测模型和决策支持系统[7]。

不同的统计方法和预测数据挖掘方法已广泛应用于预测ABI患者康复的临床结果。例如, 文献[8]提出的克拉克预测方法, 文献[9]提出的应用在贝叶斯网络分类器中的傅里叶离散化预测方法, 文献[10]还提出了在分类规则框架下挖掘标签信息的分类规则法, 文献[11]提出的Chi Merge和Khiops都挖掘卡方统计信息, 它们的目标函数及停止条件互不相同, 与基于卡方的方法不同, 文献[12]提出的SDM预测方法试图减少模型以及模型之外的描述长度, 文献[13]提出的FUSINTER预测方法明确地考虑到了有限数量的样本, 从而改善了卡方的方法, 文献[14]提出的CAIM预测方法通过最大化分类属性的互相依赖从而获得预测结果, 最近文献[15]提出的基于离散化方法的核密度估计法KDE (Kernel Density Estimation) , 是一种主流的无监督的预测方法, 通过引入核密度估算的概念, 对数据进行了无监督离散化, 相比FUSINTER、CAIM方法, KDE取得了更好的预测效果。然而, 这些研究大多数都注重于确保存活、预测残疾或患者的恢复, 并寻找能更好地预测导致ABI患者病情的因素。

本文应用数据挖掘预测了ABI患者认知功能康复的结果, 通过使用三种算法:决策树 (DT) [7]、多层感知器 (MLP) [11]和广义回归神经网络 (GRNN) [16], 采用测量最常见的性能指标:灵敏度、专一性、准确性和混淆矩阵, 并且使用10折交叉验证方法, 在PREVIRNEC数据库及IG’s电子健康记录 (EHR) 中对ABI认知功能康复结果进行了预测。

1 数据挖掘

1.1 知识发现和数据挖掘

知识发现 (KDD) 和数据挖掘 (DM) 仍然还存在着概念间的混淆, 通常这两个术语可以互换使用。虽然DM是知识发现过程的核心, 但它通常仅占KDD的一部分 (大约是15%到25%) 。

KDD过程有五个阶段:数据准备、数据预处理、数据挖掘、评价及解释、执行。数据挖掘分类技术有两个阶段:建立分类模型、评估模型的分类效率。

1.2 决策树 (J48)

决策树 (DT) 为分类和预测提供了强大的技术支持, 并广泛应用于数据挖掘, 最常用的DT算法包括Quinlans ID3、C4.5、C5、Breimans分类回归树 (CART) 和卡方自动交叉检验 (CHAID) 。正如名字所暗示的, 这种技术递归分离分支观测以构造出可以改善预测准确性的树。这样, 使用数学算法识别一个变量, 并确定相应的阈值, 从而将输入观察分成两个或更多子集。最常用的分割数学算法包括基于熵的信息增益 (在ID3、C4.5、C5中使用) 、基尼系数 (用于CART中) 、卡方检验 (用于CHAID) , 在每个叶节点上重复该步骤直到构建完整的树。分割算法的目的是寻找一个可变阈值对, 最大限度地提高对样本的两个或更多个子组的同质性。

本文使用J48算法作为决策树方法, 置信度为变量, 设为0.5, 利用该值对需要开发的树进行修剪, 较低的置信度导致更多修剪, 并且叶对象最少数量为2。

1.3 多层感知器

由于执行快速、便于实施和训练集需求较小, 多层感知器 (MLP) 是最常用的前馈神经网络, 包括三个连续层:输入层、隐藏层和输出层。

对于隐藏层的每个神经元j, 在将输入信号IOL乘以各自的连接权值wji后, 对结果进行求和并映射, 每一个神经元的输出描述如下所示:

其中f是一个激活功能, 其对输入加权求和。激活函数可以是简单的阈值、S形函数或双曲正切函数, 本文使用S形曲线变换函数作为激活函数。

输出神经元E期望值与实际值之间的平方差的总和定义如下:

其中, ydj为输出神经元j的期望值, yj为其实际输出值。根据采用的训练算法改变每个wji权重值可以降低E值。因此反向传播方法 (BP) 作为人工神经网络模型中主要部分而得到广泛应用。然而BP存在一些制约因素, 如收敛速度慢, 或不能找到误差函数的全局最小值, 因此提出了大量关于BP的改进建议, 本文使用基于Levenberg-Marquardt算法的BP模型, 且对隐藏层、学习率和动量设置了不同参数, 以获得MLP的最佳网络结构。

1.4 广义回归神经网络

广义回归神经网络 (GRNN) 由四层组成:输入层、模式层、求和层及输出层。第一层中的输入单元总数等于参数的总数, 完全与第二层模式层相连接, 其中每个单元代表一个训练模式, 并且其输出是输入与所存储模式之间距离的量度。在求和层中每个模式层单元连接至两个神经元:S-求和神经元和D-求和神经元。其中S-求和神经元计算的是模式层加权输出的总和, 而D-求和神经元计算的是模式神经元的非加权输出。模式层中的第i个神经元和S-求和神经元之间的连接权重为yi, 其目标输出值对应第i个输入模式。对于D-求总神经元, 连接权重是统一不可分的, 输出层只是分离每个S-求和神经元的输出, 对每个D-求和神经元产生的预测值看作一个未知的输入向量X:

其中, n为训练模式的个数, 高斯式D函数定义为:

其中, p表示输入向量的元素数目, xj和xij分别表示x和xi的第j个元素, f是一般简称为扩散系数。为找到给定问题的最优解, 将测试不同的扩散系数。GRNN不需要在BP方法中的迭代训练过程, 当样本数量变得非常大时, 由于其在学习快速和最优回归曲面收敛上的优势。

2 数据描述

在所有的TBI神经认知后果的严重性级别中, 干扰注意力, 记忆和执行能力是最常见的, 因此本文仅仅对这些方面进行研究 (如图1所示) 。

认知康复过程中的第一步是:IG专家对患者进行神经心理学 (NPS) 评估, 以此评估其认知功能并确定其每个认知功能的矫饰程度。NPS是能让专家对患者的认知特征做出适当评估的仪器, 而功能和心理尺度则反映日常生活中赤字的影响。IG使用的NPS评估测验包括27个项目, 涵盖的主要认知域 (注意力、记忆和执行能力) , 并采用标准化的认知测试进行测量 (如表1所示) 。第一次评估可以得出病人的矫饰的最初认知情况。标准化所有的NPS评估测验项目到0~4级, 其中0为无矫饰, 1为轻度矫饰, 2为中度矫饰, 3为严重矫饰, 4为急性矫饰。NPS对病人的初步评估可以使IG专家利用PREVIRNEC平台计划出一个三至五个月的个性化康复方案。一旦治疗完成后, 所有的病人都需进行相同的NPS评估测试。利用前、后NPS分数之间的差异来测量特定患者的注意力、记忆、执行能力以及各自子功能结果。给这些变化分配以下其中一个标记:改善、无改善、正常的、无显著性改善 (NSI) 。

模型质量的措施是通过混淆矩阵构建的, 该矩阵是在二元分类中记录对真阳性 (TP) 、误报率 (FP) 、漏报率 (FN) 和真阴性 (TN) 的正确和不正确识别。为了扩大混淆矩阵的使用, 本文中定义TP, FP, FN和TN如下:

•真阳性 (TP) TP表示改善和列为改善患者的病人人数。

•误报率 (FP) FP表示不改善和列为提高患者的病人人数。

•漏报率 (FN) FN表示改善和列为没有改善的患者的病人人数。

•真阴性 (TN) TN表示不改善和列为没有改善的患者的病人人数。

分类预测的敏感性、专一性和准确性定义如下:

3 实验

3.1 数据集

实验用例包括250例中度至重度认知矫饰患者, 并全部接受IG的PREVIRNEC平台康复治疗, 分析PREVIRNEC包含了上述患者执行的183 047项康复任务结果, 每个任务都与一个子功能相对应 (如表1所示) 。实验通过随机选择任务说明了三种方法的预测能力, 重点分析了记忆功能, 因此, 本文使用了名为“记忆”的任务。为了达到此目的, 在27项NPS评估测试中, 选择其中的6个来评估认知功能记忆的测试集 (MDIG-ITS、MLLETRES、SPAN、MRAVL075、MRAVL015和MRAVL015TR) 。康复治疗过程中执行任务总数为10 191, 患者的平均年龄是36、56、65岁, 范围为18~68岁。样本包括185名男性和65名女性, 此外, 还考虑了一些数据, 如年龄和教育程度, 因为其与ABI患者的康复相关

数据集包括IG数据库中“记忆”任务的10 191个样本。该数据库包含5476个 (53.73%) 改善样本和4715个 (46.26%) 没有改善样本。同时为每个样本标记为“改善”或“没有改善”。表2列出了本研究中使用的属性和类别。

为了使测试结果更有价值, 研究者们通常使用K折交叉验证, 它最小化与训练的随机样本相关的偏差 (Fayyad等人, 1996) 。在该方法中, 所有的数据随机分成互相独立大小大致相等的k个子集。该分类算法进行测试和训练k次。在不同情况下, 其中一折作为测试数据, 剩余折组成训练数据。因此对于每个训练测试配置 (Polat, Sahan, Gunes, 2006) 都存在k个不同的测试结果。这些结果的平均值提供了算法的测试精度 (Fayyad等人, 1996) 。本文所有实验使用一个10折交叉验证。因此, 将10191个样本随机分成10个子集 (9组1019个记录和1组1020) , 然后每个子集轮流作为测试数据。

3.2 参数设置

为了给每个模型选择最佳配置, 测试了不同的网络结构和参数。在此仅展示了每个模型最高的三种结构。

表3显示了DT模型的最好三种结构。选择DT1是因为它的精度是最高的, 选择置信度为0.25。

表4显示了MLP模型的最好三种结构。这种情况下选择MLP1, 因为它的计算花费最低。

为了确定最佳GRNN结构, 本文产生根据不同的价差因素产生不同模型。表5显示了三种获得的最好配置。选择GRNN3是因为它的精度是最佳的, 选择一个价差因素为0.06。

3.3 性能评估

本研究中的模型是基于以上讨论的技术进行评估的 (分类精度, 灵敏度和专一性) 。实验结果是对每个模型采用10折交叉验证得到的, 它是基于每个模型的测试数据集 (第10折) 得到的平均结果。

如表6所示, DT模型、MLP、GRNN获得的结果。同样, 如果比较这些模型的标准偏差, 决策树是所有研究的预测模型中最稳定的。混淆矩阵显示了分类或挫伤矩阵的测试数据集情况, 列表示实际情况, 行表示预测值。

报告的结果 (表6-表8所示) , 由10折交叉验证方法的平均值验证, 显示了DT模型相对于MLP和GRNN模型产生了一个更高水平的预测精度。DT模型的平均预测率是90.38%, 其灵敏度是90.35%, 专一性是90.62%。MLP模型得到了平均预测率是78.77%, 其灵敏度和专一性分别是77.83%和88.26%。GRNN模型得到的平均预测率是75.93%, 其灵敏度和专一性分别是75.66%和78.99%.相似的, 如果比较它们的标准偏差, 可以看出DT在稳定性方面再次优于其他预测模型。

需要注意的是, GRNN模型获得的结果在一个更高等的数据库上还可以提高, 因为众所周知, 该算法需要高容量的训练模式以获得更好的性能。扩大数据库所派生的结果可能降低反向传播算法收敛率, 它可用来训练MLP模型。另一种提高结果的技术可能是应用特征选择算法以获得一个更准确的认知虚假描述。

4 结语

本文主要研究和比较了三种预测模型:决策树 (DT) 、多层感知器 (MLP) 和通用回归神经网络 (GRNN) 。将这些方法应用到一个真实的临床大脑损伤数据集中, 经过了大量测试, 实验结果表明, 估计ABI病人的结果作为一个认知虚假描述是合理的, 该项研究不仅增加了对复原理论领域知识的了解, 同时为专家产生和验证临床假设并且更好的治疗患者提供了有力的预测工具。

今后可能使用更多来自病人的临床和人口统计历史衍生的数据, 同样也有来自认知复原治疗中的复原任务, 并研究以不同的数据挖掘方法实现更高的预测率。

摘要：为了更好地预测后天性脑损伤ABI (Acquired Brain Injury) 患者认知功能康复的影响因素, 提出基于决策树 (DT) 、多层感知器 (MLP) 和广义回归神经网络 (GRNN) 的三种预测模型。借助于10折交叉验证测试算法, 通过专一性、灵敏度和精度分析以及混淆矩阵分析对模型的性能进行测试, 从而获得新的知识以评估和改善认知功能康复过程中的有效性。实验结果表明, 基于DT的模型的模拟结果明显比其他模型更为优越, 预测平均精度可高达90.38%。

损伤预测 篇7

关键词：体育院校,表演专业,运动损伤,影响因素,风险预测

体育表演是一项体育运动与艺术表演相结合, 集竞赛、健身、娱乐等功能于一身, 且具有较强的表演性和观赏性的专业。伴随全民健身运动在全国范围内的广泛展开, 我国大众体育发展迅速、体育锻炼形式也层出不穷, 各地区体育活动及体育比赛中的体育表演项目不断增多, 体育表演已经成为人们休闲生活的重要组成部分。但是, 目前从事体育文艺表演的组织、训练及理论等方面研究的人才稀少, 对体育表演训练理论及表演人员运动损伤的研究极为薄弱。而体育表演专业学生学习、表演和比赛的任务较重, 每天的大运动量、带伤训练或比赛, 都会加剧运动损伤的严重程度, 这对学生学习生活、运动成绩及运动寿命都会受到不利影响。因此, 对体育表演学生运动损伤预防研究是非常必要的。

1 研究对象与方法

1.1 研究对象

以西安体育学院表演专业学生为调查对象, 其中男生为54名, 女生为69名。以表演专业学生运动损伤的情况为研究对象。

1.2 研究方法

(1) 文献资料法:在西安体育学院图书馆和中国期刊全文数据库、互联网上查阅有关啦啦操运动的发展的书籍和文章, 检索运动损伤与防治的有关文献资料。 (2) 问卷调查法:根据问卷设计原则, 经专家研究设计, 最后确定本研究所需调查内容。向学生共发放问卷调查表123份, 回收120份, 回收率为97.6%。其中有效问卷120份。 (3) 数理统计法:运用Excel2003对调查的全部有效数据进行统计处理。

2 研究结果与分析

2.1 西安体育学院表演专业学生运动损伤现状

2.1.1 表演专业学生运动损伤频率分析

通过对西安体育学院120名表演专业学生进行问卷调查, 从表1调查数据中可看出, 120名运动员中有97名运动员受过伤, 损伤率为80.8%。其中53名男生中有43名发展运动损伤, 损伤率为81.1%;67名女生中有54名发生运动损伤, 损伤率为80.6%。120名运动员运动损伤的总数为141次, 平均每名运动员受伤的次数为1.45次。可见, 西安体育学院表演专业学生运动损伤情况较为严重, 其中女生运动损伤发展率和人均损伤次数都高于男生。

2.1.2 表演专业学生运动损伤的时间

从对发生运动损伤的97名技巧啦啦队员的调查数据显示, 10~12月份是运动损伤的多发期, 这个时间段发生损的人数高达50%以上;1~3月份有20名学生发生损伤, 占总受伤比例的22.6%;7~9月期间有15名运动员的发生损伤, 所占比例为15.5%;4~6月份有11名运动员发生损伤, 所占比例为11.34%。可见, 10~3月份是表演专业学生发生损伤最为集中的时间段, 4~6月份发生损伤较少。

2.1.3 表演专业学生运动损伤的部位及类型

表演专业学生各项运动技能的完成需要较高的力量、柔韧等素质, 这些都增加了下肢和腰部损伤的可能性。对表演专业发生损伤的学生调查发现, 其中脚踝损伤最为严重, 受伤学生占受伤总人数的30%以上;腿部和腰部损伤分别有28和24人, 所占比例为28.9%和24.7%, 其次是颈部、手腕及肩部的损伤。另外, 60%以上的学生在训练初期发生过急性损伤, 主要是大腿、踝关节等部位的拉伤和扭伤。而对于参加锻炼2年以上的大三、大四学生而言, 慢性损伤占了损伤占受伤人数的80%以上。主要有腰肌和颈椎劳损、骨膜炎等, 其中以腰背及颈腿等部位损伤较多。

2.2 影响表演专业学生运动损伤的因素分析

2.2.1 主观因素

首先, 动作技术不规范。表演专业学生课程多属动作结构多元、表现性强的技能性项目。学生在训练中动作要符合人体结构特点及运动学原理, 当学生未掌握正确动作要领就易发生损伤。另外, 表演专业课程中要经常利用器械, 如果器械掌握的熟练程度较低, 也易发生损伤。其次, 准备活动不充分、时间安排不合理及过量等, 机体容易出现肌肉紧张、身体协调性差的情况, 也易发生损伤。再次, 运动性疲劳或带伤训练。学生为提高成绩而增强训练难、强度, 长时间疲劳积累会引发过度疲劳甚至损伤。很多学生为了成绩不惜带伤训练, 结果就造成了更严重的损伤。最后, 表演专业所学的艺术体操、体育舞蹈等课程, 对学生心理素质的要求较高。心理素质较差的学生, 在训练中易畏首畏尾, 易引发损伤。

2.2.2 客观因素

首先, 场地、气候条件等因素的影响。表演专业课程对场地有较高要求, 为降低人体关节和骨骼所受的冲击力, 很多项目都要在平整有弹性的地板上进行。气候与损伤也有密切关联, 气温过高或过低, 都容易引发损伤。其次, 运动员本身的体能素质。如艺术体操、健美操等竞技类项目要求运动员具备很强的竞技能力。但目前很多学生体能水平还较低, 身体素质发展不够全面, 在竞技项目训练和比赛中就容易发生损伤。最后, 运动项目难度动作因素。表演专业很多训练项目都有难而美的动作, 这些动作的完成对学生力量、耐力、柔韧等素质要求较高, 学生身体各关节所承受的力量是非常大的, 也很容易引发损伤。

3 体育院校表演专业学生运动损伤的风险预测及策略分析

受主、客观因素的影响, 表演专业学生在损伤发生后不能及时、有效得到处理和治疗, 学生身体也会收到长期的甚至永久的损害, 严重影响了表演专业学生的身心健康。要降低表演专业学生损伤发生率, 就要针对学生损伤发生的现状进行风险预测, 首先对学生受伤率较高的身体部位做好损伤预防及恢复工作。在学生损伤发生较高的时间段进行训练内容及负荷的调控。并根据场地、气候等来安排训练, 当学生发生损伤后进行及时处理和治疗, 切实降低表演专业学生运动损伤的发生率, 提高体育院校表演专业学生健康水平。

3.1 充分发挥老师作用, 加强训练中的监测预防

老师与学生日常相处最多, 非常受学生信赖, 学生心里素质的提升离不开教师的引导。在日常训练和比赛中, 教师应积极与学生交流, 为学生提供一个自由表达思想情感的空间, 释放学生的心理负担, 增强学生自信心, 建立教师之间平等互信的桥梁。当学生发生损伤时, 鼓励他们积极训练, 重塑学生训练和比赛信心。同时, 对学生日常训练的焦虑值进行监测, 测试学生在不同情绪下完成动作时肌肉的收缩情况, 根据学生情况加以引导, 减少焦虑引起损伤的概率。对发生损伤的学生, 要根据学生的差异进行科学有效的生理及心理康复训练。

3.2 提高学生对项目兴趣, 增加利用辅助器械

教师要引导学生明确认知表演专业运动项目的特点及优点增强学生对这些项目认知及审美能力, 从而提高运动的兴趣。同时, 教师要加强教学的多样性和灵活性, 并培养体育骨干, 创造良好的教学氛围, 适时给学生以鼓励, 增强学生的自信心。由于表演专业需求, 在运动训练中教师要充分利用辅助器械作为保护手段, 使学生增强运动安全感, 防止意外损失的发生。

3.3 遵循学生科学膳食营养需求

科学的膳食营养是运动员健康、取得良好的训练效果和竞技成绩的重要保证。由于运动项目和机体代谢水平差异, 学生对膳食营养的需求也不同。在训练和比赛中, 应合理安排饮食和补液, 为学生身体能量的及时恢复提供储备, 保持学生身体的代谢的平衡, 保证学生良好的机能状态。同时学生营养物质的比例结构要根据学生生长发育特点及训练计划进行合理安排, 以防止营养过剩的同时提高运动能力。

参考文献

[1]崇玉萍, 陈香仙.运动处方对体育表演专业学生踝软组织损伤的康复研究[J].安徽师范大学学报, 2011, 5 (3) .

[2]计慧.郑州大学体育学院表演系学生运动损伤致因分析[D].北京体育大学, 2012.

[3]边大侠.对我国不同水平竞技健美操运动员运动损伤的研究[J].北京体育大学, 2009, 6.