声发射特征（共7篇）
声发射特征 篇1
0 引言
岩体从稳定到破坏的变化发展阶段会发出不同的声发射信号,岩体声发射信号波形在一定程度上反映了岩体结构特征及其破坏过程,根据波形特征可对岩石(或结构)的检测结果进行稳定安全评价。声发射监测的目的在于发现岩体和得到有关岩体周围尽可能多的信息,通过对监测到的声发射信号波形分析,可以得到岩体(石)内部声发射源的大量信息。找出声发射源的位置、了解它的性质、判断它的危险性,能很好地跟踪岩土安全动态变化过程,为安全生产提供预报信息,减少损失,也为采场的安全管理提供一种科学简便的新方法。
1 声发射信号波形的采集
1.1 室内岩石声发射信号波形测试系统
试验时选取白银公司某矿节理裂隙少、未风化的岩石石英角斑凝灰岩样,将其加工成4个Ф 50 mm×100 mm的圆柱体,放在MTS刚性材料试验机上试验,如图1所示。
试验时保持加载过程与声发射监测同步。对加载系统采用轴向变形位移控制加载,变形速率为10～6 m/s,加载过程中用DYF-1型智能声发射仪监测声发射参数。监测过程中,声发射仪能自动将监测数据及时保存在特制的“RAM盘”中并通过计算机的输出接口将仪器中保存的数据资料传输给计算机,以便进一步处理、统计数据。试验研究的目的在于确定岩石变形破裂过程中声发射信号波形的特征规律和变化趋势。
1.2 室内测试岩石声发射信号波形
试验岩石声发射信号波形较多,部分岩样声发射原始波形如图2所示。
1.3 现场监测岩体声发射信号波形
某矿主体采矿方法为机械化上向巷道式尾砂胶结充填法。中段高度为60 m,采场一般沿走向布置,长为100～150 m。矿石包括块矿和浸染矿2种类型。采场矿岩节理、断层发育,块矿较稳固,但凝灰岩、浸染矿及其与块矿接触带岩性较差,开采过程中地压显现十分复杂,采场冒顶片帮事件频繁。尤其是在穿脉与进路的岔口和浸染状矿体内断层处更为明显。采场失稳主要受结构面及节理控制,针对该情况,笔者应用岩体声发射监测技术,对该矿部分采场实施冒顶片帮监测预报。
岩体声发射活动信息的采集是通过AE传感器实现的,采场内共布置3个传感器,1620分层750巷道式采场测试方案及测点布置如图3所示。
图3中,在靠近3条进路工作面各布置1个监测探头,由于矿岩分布的差异,1#测点布设在块矿中,而2#、3#测点分别布置于浸染矿和凝灰岩中。采场E3进路监测期间抽样的岩体声发射波形如图4所示。
2 噪声信号的数据采集
在现场监测过程中,存盘记录数据文件共计77组,其中包括一些噪声信号。现场监测接收到的噪声波形主要有:电火花源噪声波形、爆破噪声波形和凿岩噪声波形,如图5所示。
3 声发射信号波形分析
3.1 室内声发射波形分析
室内岩石试验声发射信号波形较多,这里只分析岩样抽样的声发射信号波形。声发射信号是直接反映岩体自身变化的动力学参数,为检测岩体的稳定性提供客观标准。不同类型的岩石,随着应力的增加破坏程度加剧,体积膨胀增大加速,声发射不连续现象明显增大,临近破坏时声发射频度达到最大值,大振幅的声发射信号明显增多。
一个声发射信号通常由若干个不同类型的波组成,图2说明了在不同的破坏阶段,声发射信号的波形是不同的:由于岩体的不均匀性和各向异性,不同类型的波在介质中具有不同的速度,随着传播距离的增加,其波阵面就会分离,由于受到岩石界面的多次反射和折射,也会产生更多的波成分,所以接收和放大以后得到的声发射信号通常是一种复杂化了的波形。图2也表明,在不同的测试阶段,声发射信号的最大幅值发生变化,幅值包络图呈现不同形状,包络图前沿有缓陡差异;波形形成时间的延迟不同,在时间轴上波形展开长度也不同;声发射事件的持续时间在0.15～10 ms之间,信号最大振幅(峰-峰值)变化的范围很大,可以从几毫伏到10 V,振幅变动为10～20倍,信号的间隔时间一般在几百毫秒以上。随着应力的增加,主频带有向较高频率移动的趋势,波形随时间轴展开逐渐变长,随着信号传播距离的增加,幅值降低,这种信号越多,说明岩石越接近破裂。
3.2 现场声发射波形分析
从图2和图4可看出,监测期间抽样声发射信号波形规律与室内声发射波形规律一致,岩体受力破坏过程是一个能量累积过程,也是声发射事件经历活跃期、沉寂期、复活期的过程。图4(b)中很清晰地显示出稳态岩体的声发射是一种比较平稳的随机信号,说明该状态岩体内部暂时没有新的损伤扩展,岩体承受的压力还没有超过岩石的极限承载力,此时声发射主频较低,这也与声发射参数统计结果相符,这种信息可以作为岩体稳态的信号特征;图4(c)说明岩体处于发展变化阶段,波形从图4(b)到图4(c)幅值逐渐增加,波形在时间轴相对延迟;图4(d)随着时间轴伸展,波形幅值逐渐增大到最大后降低,这说明岩体处于危险阶段,这时就不能麻痹大意,很多事故发生在这一阶段,应引起注意。
3.3 现场噪音信号波形分析
从图5可看出噪声波形幅值突然增加,然后很快降低平静下来,能量的衰减较快,现场测试的不同噪声信号波形随时间轴延迟相差不大,噪声信号的不一致性在2个相邻的层按照倍率关系递减。
现场声发射信号波形显示出岩体的发展经历了危险阶段——稳定阶段——破裂阶段——危险阶段——稳定阶段的循环往复,同时波形也揭示了在现场监测过程中存在的环境噪声信号使真正的岩体声发射信号波形变得较为复杂。
4 结语
声发射波形分析能够很好地显示:(1) 岩石从稳定阶段到破裂阶段所产生的声发射信号的最大幅值从低到高、包络图由缓变陡、持续时间有短及长;应力逐渐达到或超过破坏强度时,岩体释放较多能量,这时岩体开始出现大的和不连续的裂缝。 (2) 声发射活动较弱时频率越靠近低频,声发射活动显著时频率越靠近高频;随着信号传播距离的增加,振幅降低。 (3) 岩石破裂过程中的状态不同,声发射的主频不断发生变化,声发射事件波形随之波动,波形特征逐一表现出来,信号表现的高频的噪声信息和信号表现出来的低频声发射信号也一一显示出来。
总之,通过对室内和现场的波形分析表明,波形分析方法是一种完全基于时域的分析方法,信号在时域某个时刻发生的变化,会引起岩体内部微结构的变化,岩体内部微结构的变化更能反映出岩体破裂过程变形的特征规律。从声发射信号得出岩石变形破裂过程中的特征规律,可以有效预测预报岩石的稳定状态和发展趋势,使工程实践更具可靠性。
摘要：文章通过对室内和现场采集到的岩体声发射信号波形分析,寻找到岩体在外界因素影响下从稳定状态发展变化到破裂阶段的波形变化规律,可用以判断岩体的危险性。该规律为采场、隧道工程的安全施工提供了可靠的预报信息,有一定的实际意义。
关键词：岩体,声发射,信号,波形分析
参考文献
[1]王宁,韩志型,王月明,等.评价岩体稳定性的声发射相对强弱指标[J].岩土工程学报,2005(2):190~192.
[2]焦明若,唐春安,张国民,等.细观非均匀性对岩石破裂过程和微震序列类型影响的数值试验研究[J].地球物理学报,2003(9):660~665.
[3]来兴平,蔡美峰.基于非平衡统计的塌陷区岩体断裂失稳声发射信号分析[J].岩石力学与工程学报,2004(1):272~276.
[4]唐春安.岩石声发射规律数值模拟初探[J].岩石力学与工程学报,1997(8):368~374.
声发射特征 篇2
关键词：水力压裂,声发射,小波包分析,频谱分析
0引言
煤层水力压裂使裂缝沿煤层固有节理和割理扩展延伸,并导致原生裂隙和次生裂隙有效贯通,进而提高煤层渗透能力及瓦斯抽采效率[1]。在裂缝扩展延伸过程中,煤体以弹性波形式向外辐射应变能[2],声发射监测技术利用压裂过程中煤体发射的弹性波信息,对声发射事件进行震源定位,实现对水力压裂裂缝几何形态、空间展布及裂缝扩展过程的时空描述[3],进而评价水力压裂效果。目前,声发射监测技术在油田水力压裂效果评价中已取得比较理想的效果,但在煤层水力压裂效果评价中的应用少有报道。对于煤层水力压裂增透范围的分析,多采用测定对比水力压裂前后压裂孔周围煤体含水量、煤层透气性系数、瓦斯抽采孔的瓦斯浓度、瓦斯抽采纯量等传统方法[4,5,6,7],但这些方法只能反映测试参数位置处的水力压裂影响情况,无法从整体上反映压裂裂缝信息。因此,将声发射监测技术引入煤层水力压裂效果评价。然而采用声发射技术监测煤层水力压裂时,存在井下噪声干扰信号,正确识别、 提取水力压裂有效信号对监测至关重要。鉴此,笔者采用煤岩动力灾害声电监测仪对煤层水力压裂过程进行实时监测,并对监测采集的声发射信号特征进行深入分析,研究结果对正确识别、提取煤层水力压裂声发射信号进行震源定位,进而大规模采用声发射监测技术评价煤层水力压裂效果具有重要理论指导意义。
1信号特征分析理论
1.1频域分析
频域分析是以频率为自变量描述信号在频域范围内变化特征的方法。其中,以傅里叶变换最为常用,该理论认为任何满足狄利克雷条件的函数都可以用不同频率的正弦函数累加来表示。因此,信号频域分析的原理是在时域分析的基础上,采用累加或积分方式求出该信号中不同频率正弦波所占比重[8]。
1.2小波包分析
声发射信号的小波包分析以小波包的分解与重构为基础,提取隐含在声发射信号中的特征分量并映射到不同频带之上,通过对比分析不同频带上的分量作为该信号的特征,来描述不同的声发射信号[9]。声发射信号的小波包分解,实质是通过将声发射信号投影到小波包基上,利用得到的一系列小波系数来反映声发射信号的不同特征[10]。声发射信号S( t) 的表达式为
式中: fi,j( tj) 为声发射信号小波包分解到第i层第j个节点上的重构信号( i为分解层 数; j = 0,1, …,2i- 1) 。
设置小波包分解层数为5,则第5层第j个节点对应的频带能量为
式中: xj,k( k = 1,2,…,m,m为信号采样点数) 为重构信号f5,j( tj) 离散采样点的幅值。
声发射信号S( t) 的总能量为
各频带的能量占声发射信号总能量的百分比为
通过对比不同声发射信号经小波包分解后在不同频带内的能量分布百分比,从而可分析其特征差异。
2水力压裂声发射监测现场试验
2.1监测地点概况
水力压裂声发射监测地点位于某煤矿的1402综采工作面底抽巷。该工作面倾斜长度为150 m, 可采储量约61. 15万t,工作面内煤层倾角为0 ~ 15°。现场测定煤层最大瓦斯压力为2. 5 MPa,瓦斯含量为10. 95 ~ 30. 00 m3/ t,属于煤与瓦斯突出煤层。煤层平均透气性系数为1. 273 m2/ ( MPa2·d) , 平均钻孔瓦斯流量衰减系数为0. 011 9,属于可抽放煤层。煤层厚1. 3 ~ 4. 4 m。其中煤层上部有1 m左右厚的软煤,普氏系数为0. 6; 煤层下部2 m左右厚的煤质较硬,普氏系数最大为1. 8; 煤层中间有1. 2 m厚的夹矸。煤层顶板为约4. 84 m厚的泥质粉砂岩或泥灰岩,直接顶为约5. 11 m厚的泥质粉砂岩,直接底为4. 3 m厚的泥岩、泥质粉砂岩。
2.2监测系统及现场试验介绍
2.2.1监测系统介绍
监测系统包括高灵敏度声电传感器、YDD16矿用本质安全型煤岩动力灾害声电监测仪、监测及预报软件等。 其中,YDD16监测仪额 定电压为16. 8 V,工作电流不大于240 m A,采样频率范围为1 ~ 50 k Hz,声波幅值为0 ~ 500 m V,脉冲频率为0 ~ 5 000 Hz,声波事件数为0 ~ 60次 / min。系统主要功能包括声电信号接收、参数设置、数据采集、数据存储、数据显示、数据查询、通信和报警等,可实现对声发射信号的高速、动态、同步采集。系统内置充电电源,可工作8 h以上,具有电压显示和电池欠压报警功能。
2.2.2现场试验介绍
现场水力压裂钻孔的倾角为23°,孔深43 m,孔口与底抽巷底部距离为1. 2 m。压裂钻孔孔口处采用水泥浆和聚氨酯进行封孔。现场监测布置如图1所示。1—4号声发射传感器沿底抽巷走向布置在水力压裂钻孔两侧的巷道壁上,钻孔两侧传感器之间以及钻孔与2号、3号传感器之间的距离均为10 m。布置方式为将传感器通过底部旋钮固定在巷道壁锚杆上,使传感器与巷道紧密接触成为一体。 固定传感器后,将传感器与YDD16监测仪通过数据线连接。YDD16监测仪位于1号传感器处,距离压裂钻孔约20 m,以避免压裂时钻孔处漏水影响仪器正常工作。
设置YDD16监测仪采样频率为20 k Hz,并预测试5 min,以采集、分析井下干扰信号,合理设置门限值。预测试结束后,开始正式测试,所有人员撤离到安全区域。水力压裂总时间为160 min,初始水压为8 MPa,约10 min后上升到22 MPa,并保持恒定,直到压裂结束。注水总量为97 m3,注水速率约为35 m3/ h。水力压裂过程中,YDD16监测仪对水力压裂产生的声发射信号进行实时采集并保存。
2.3监测结果分析
采用Matlab编制频谱及小波包分析程序。由于YDD16监测仪采样频率为20 k Hz,根据采样定理[11,12]得奈奎斯特频率为10 k Hz。选取监测结果中部分典型信号,以db8作为小波基函数,对监测信号进行5层小波包分解。在第5层共有25= 32个小波包,则整个频域被划分为32个子频带,每个子频带带宽为312. 5 Hz。根据式( 2) —式( 4) 计算各信号在不同频带的能量占该信号总能量的百分比并以直方图形式表示。下面对不同类型信号特征进行具体分析。
2.3.1井下噪声干扰信号分析
井下噪声干扰信号主要指因机械作业或通风扰动等产生的背景噪声。压裂时监测到的井下噪声干扰信号如图2( a) 所示,信号波动较为平稳,最大幅值在43 m V左右。对该信号进行频谱分析,结果如图2( b) 所示,可看出原始信号主频为2 118 Hz,此外,在1 176 Hz处及4 000 ~ 6 000 Hz、8 000 ~ 10 000 Hz之间也有比较明显的波形信号,频率分布较为分散。井下噪声干扰信号在小波包分解频带内的能量分布百分比如图2( c) 所示,可看出井下噪声干扰信号能量在频域上展布比较广泛,但在相对低频频带1—16( 0 ~ 5 000 Hz) 所占比例较大,能量分布百分比为74. 9% 。
2.3.2有效信号分析
选取水力压裂声发射监测结果中的3条典型有效信号,分别如图3( a) 、图4( a) 、图5( a) 所示,3条有效信号的最大幅值分别为687. 7,709,1 499 m V。 对3条有效信号进行频谱分析,结果分别如图3 ( b) 、图4( b) 、图5( b) 所示,可看出频率分布比较集中,主频分别为470. 6,1 683,1 373 Hz,与井下噪声干扰信号相比,有效信号主频向低频段转移。3条有效信号在小波包分解频带内的能量分布百分比分别如图3( c) 、图4( c) 、图5( c) 所示,可看出3条有效信号的能量分布主要集中在频带1—16,能量分布百分比分别为95. 4% ,86. 8% ,86. 5% 。对原始信号在频带1—16内的能量分布特征进行深入分析: 有效信号1的能量分布主要集中在频带2( 312. 5 ~ 625 Hz) 、频带4( 937. 5 ~ 1 250 Hz) ,且在这2个频带内的能量分布百分比总和为49. 1% ; 有效信号2和有效信号3的能量分布主要集中在频带3 ( 625 ~ 937. 5 Hz) 、频带7 ( 1 875 ~ 2 187. 5 Hz) ,且在这2个频带内的能量分布百分比总和分别为48. 2% , 41. 1% 。
3结论
( 1) 煤层水力压裂声发射监测有效信号主频在470 ~ 1 700 Hz之间,低于井下噪声干扰信号主频; 且在小波包分解频带1—16( 0 ~ 5 000 Hz) 范围内, 有效信号的能量分布百分比大于噪声干扰信号。
声发射特征 篇3
随着煤矿开采过程中回采工作面的推进,地应力不断发生变化,导致其周围煤岩体处于近似多次加卸载状态。由于不同区域煤岩体距离工作面长度不一,受力状态不同,对于不同区域,煤岩变形破坏特征也呈现差异性。声发射监测技术作为煤矿目前广泛应用的安全监测手段[1,2,3,4],准确掌握不同变形、破坏过程声发射的变化规律,对于准确预测煤岩破坏特征,及时采取防治措施具有重要意义。针对煤岩变形、破坏过程中声发射变化特征以往学者进行了诸多研究。其中一些学者[5,6,7,8]通过改变加载速度、加载方式、围压大小等静态测试条件以及变围压、动态干扰等动态测试条件,研究不同测试条件下声发射参数的变化特征。一些学者[9,10,11]结合应力- 应变、岩石变形等加载过程对测试过程进行阶段划分,分析不同加载阶段声发射参数的变化特征及其异同。一些学者[12,13,14]主要是从测试结果入手,分析样品的Felicity效应特征、Kaiser效应特征、频谱特征、破坏前兆特征以及声发射与内部损伤之间的关系。以往学者在声发射方面进行了较多的研究,但是对于多次加卸载过程中峰前加卸载与峰后加卸载、峰前多次加卸载、峰后多次加卸载的声发射特征差异性对比方面研究相对较少。基于此,本文采用三轴应力加载装置和声发射接收装置,进行了峰前、峰后多次加卸载实验,分析其声发射特征。以期提高采用声发射对煤矿煤岩动力灾害、冲击地压等灾害预测的准确性。
1 峰值前后加载时声发射测试
1. 1 试验系统及原理
试验系统采用河南理工大学的RMT - 150B型岩石力学伺服试验机和CDAE - 1 声发射仪,其中岩石力学伺服试验机主要是包括轴压加载系统、围压加载系统、信息采集系统、信息处理系统等,声发射仪主要是包括声发射采集探头、前置放大器、带有数据采集软件的主机等,试验装置原理示意图如图1 所示。
岩石力学伺服试验机通过轴压系统和围压系统实现对煤样的加载与控制,通过传感器对加载过程中的应力、应变数据进行实时记录。在煤样加载变形过程中,由于煤岩内部原有裂隙的闭合与张开、新生裂隙的形成,会产生相对应的不同频度、幅度的声发射信号。这些信号通过安装在样品缸外壁的声发射采集探头进行采集,采集以后经过前置放大器进行预处理,最后以数据、图表等形式显示出加载过程的声发射特征。
1. 2 样品制备及实验方案
根据实验煤样制作要求,在焦作矿区采集煤样后,采用切割机、制样机将煤样制成直径为50 mm,长度为50 mm的标准柱状样。
为了实现对煤样峰值前、峰值后加载过程中声发射特征的分析与对比。在考虑煤样强度,保证完成测试的前提下,进行四次加卸载,其中包含两次峰值前加卸载和两次峰值后加卸载。由于随着煤岩与采掘面之间距离的减小,煤岩的变形、破坏逐渐增强,为了实现对这一过程的近似模拟,将加载峰值依次设计为峰值时位移量的70% 、90% 、110% 、130% ,并对加卸载过程中的应力- 应变- 声发射特征进行了测试与记录。最终得出峰值前后加卸载过程中声发射特征。
在实验仪器启动以后,将煤样放入样品缸内,根据实验方案设置加载参数。①采用围压/力加载方式,将围压以0. 5 MPa/s的速度,加载到5. 00 MPa,同时轴向应力以1. 00 k N/s的速度进行加载,当围压达到5. 00MPa时结束。②保持围压不变,采用位移控制模式,以0. 005 0 mm / s速度,继续轴向加载,加载至应力峰值时位移量( 实验前同类样测试值的均值) 的70% 附近停止。③保持围压不变,采用位移控制模式,以0. 005 0mm / s速度进行卸载。④重复步骤② ~ ③依次加载至应力峰值时位移量的90% 、110% 、130% ,直至测试结束。
1. 3 煤样应力- 应变测试结果
根据实验目的以及实验方案要求,对煤样进行了峰值前后加载过程中的声发射测试,由于不同煤样的声发射变化规律相似,为了避免重复性论述,以1#、2#煤样为例进行论述,其中应力- 应变测试结果如图2 所示。
2 峰值前后加载时声发射特征的差异性
本文选取代表性煤样1#、2#煤样测试结果进行分析,其中以1#煤样论述为主。
2. 1 峰值前后加载时声发射特征
为了考虑峰值破坏对煤样声发射特征的影响,将其加卸载过程的声发射过程分为峰值前加卸载过程和峰值后加卸载过程两个阶段分开进行分析、对比。
2. 1. 1 峰值前加载过程声发射变化特征
根据实验方案对煤样进行了峰值前两次加卸载过程声发射参数测试实验,测试结果如图3 所示。
通过对上述测试结果分析可知两个煤样的变化规律相似,以1#煤样为例进行论述,通过峰前加卸载过程的声发射特征进行分析得出,随峰前加卸载进行,声发射计数、幅度、能量的变化趋势大致相同,其中具体变化特征如下:
1) 峰值前第一次加载过程中,加载至峰值破坏时位移量的79. 6% ,在加载初期煤样主要是处于压密阶段和弹性变形阶段,有零星的声发射事件,声发射幅度较小,能量较弱。该阶段声发射事件的产生主要是由于孔裂隙的闭合以及局部弱面的压实,在煤样内部形成损伤变形,产生少量的声发射事件。随着加载的继续进行,声发射计数、幅度、能量均快速增加,直至第一次加载至46MPa结束。该阶段声发射事件的产生主要是由于加载引起煤样内部局部弱面发生塑性变形,造成损伤,产生了新生裂隙,声发射计数逐渐增加。并且随着加载继续进行,塑性变形区域逐渐增大,产生声发射事件的幅值逐渐增大,声发射能量增加。
2) 峰值前第一次卸载过程中,在卸载初期声发射计数、幅度快速降低,其中声发射能量降低速度相对前两者较慢。随后,随着卸载进行,声发射计数、幅度、能量均逐渐减小,同时降低速度逐渐减小。这主要是由于随着卸载进行,煤岩塑性变形区域受到的应力逐渐减小,继续造成损伤的能力降低,新生损伤量增加速度逐渐降低造成的。
3) 峰值前第二次加载过程中,加载至峰值破坏时位移量的93. 0% 。在加载初期声发射计数、幅度、能量逐渐增加,但是增加速度较第一次缓慢,存在一个相对平静期。这主要是由于一次加载过程中对煤样内部的孔裂隙、弱面进行了压实,一些尖锐棱角被磨平。在二次加载过程中这些弱面被再次压实时,可被破坏弱面减少,加载初期损伤量减少。因此,产生破坏的声发射计数、幅度均减小。当继续加载至45 MPa附近时,由于煤样内部的一些次级弱面开始发生破坏,产生新生裂缝,声发射计数、幅度、能量均开始快速增加,并且增加速度远远大于加载初期,显示了煤岩较强的记忆性。
4) 峰值前第二次卸载过程中,声发射参数的变化规律和第一次卸载时大致相似。但是其声发射幅度整体上大于第一次卸载时的声发射幅度。主要是由于加载次数的增加,导致塑性区域逐渐增大,易于在煤岩内部形成损伤,即使是在较小应力下也能产生幅值较大的声发射事件。
2. 1. 2 峰后加卸载时声发射特征
峰值后加卸载过程中测的声发射参数特征如图4所示。
通过对上述测试结果分析可知两个煤样的变化规律相似,以1#煤样为例进行论述,其变化规律如下:
1) 峰值后第一次加载时,加载至峰值破坏时位移量的110. 8% ,在加载前期声发射计数、幅度、能量都呈逐渐增加的趋势,但是增加速度缓慢,存在相对的平静期。当加载应力达到41 MPa时,声发射计数、幅度、能量开始呈线性快速增加。时间- 声发射曲线较时间- 应力曲线具有一定的滞后性。主要是由于峰值破坏引起煤岩内部较大范围发生塑性变形,造成大面积损伤,导致煤岩抵抗变形能力降低。虽然应力开始减小,但是较小的应力依然可以引起煤岩发生破坏,声发射参数继续增加。同时,由于煤样本身的Felicity效应,导致声发射快速增加时的应力值小于前一次加载时的最大应力值。与前两次加载相比,由于塑性变形区域的逐渐增大,所以再次加载至破坏时,声发射的计数、幅度、能量均大于之前的峰值。
2) 峰值后第一次卸载时,在卸载初期声发射计数、幅度、能量快速降低。主要是由于随着应力卸载对煤岩的挤压作用减小,煤岩内部再次损伤减弱,声发射参数减小。在卸载后期,声发射参数降低速度逐渐变缓,但是声发射参数整体高于峰值前卸载时的声发射参数值。尤其是声发射幅度,在降低一段时间后,又开始上升,维持在较高水平波动。主要是由于破坏区域比较大,易于形成较大范围的应力集中,发生破坏时产生声发射事件的幅度比较大。
3) 在峰值后第二次加载时,加载至峰值破坏时位移量的130. 1% ,其变化规律和峰值后第一次加载时相似。当加载到应力为39 MPa左右时,声发射快速增加。其时间- 声发射曲线稍微滞后于时间- 应力曲线。并且声发射快速增加的加载应力小于上一次的最大加载应力48 MPa。
4) 峰值后第二次卸载时,在卸载初期声发射计数、幅度、能量快速降低。其原因和峰值后第一次卸载时相似。在卸载后期,声发射计数和能量维持在一定水平波动,声发射幅度又有所上升。总体上,声发射参数值较前一次有所上升。
2. 2峰值前后加载时煤样的Kaiser效应和Felicity效应特征
煤岩本身具有较好的记忆性,不同煤岩记忆特征的不同,导致声发射特征也呈现差异性。Kaiser效应是指加载过程中当加载应力超过上一次最大加载力时,声发射快速产生的现象。Felicity效应是指加载过程,在加载应力还没有达到上一次最大加载应力时,声发射就快速产生的现象。其中Kaiser效应的强弱可以采用加载时声发射快速产生时的应力值与上一次加载时最大应力值的比值表示[13],即:
式中: σj为声发射快速产生时的应力值,MPa; σs为上次加载时的应力最大值,MPa。
对于1#煤样,在第一次加载时,加载至46 MPa,然后卸载; 第二次加载时,当加载至45 MPa时,声发射参数开始快速增加,此时Fe= 97. 8% ,继续加载至51MPa,加载结束; 第三次加载至45 MPa时,声发射参数开始快速增加,此时Fe= 88. 2% ,继续加载至48 MPa,加载结束; 第四次加载时,加载至39 MPa时,声发射参数开始快速增加,此时Fe= 81. 3% 。
从各阶段计算结果可以看出: 随着加载次数的增加,Fe值逐渐减小,显示出较好的Felicity效应,体现了煤样对声发射记忆的超前性,并随加载次数增加逐渐增强。主要是由于随着加载进行,在煤样内部引起损伤量增加,抵抗能力减弱,在应力还没有达到上次加载应力时,声发射事件就大量产生。
2. 3 峰值前后加载时声发射差异性
通过对峰值前后多次加载过程声发射特征的测试与分析可以得出峰值前后加卸载过程中声发射特征具有以下差异性:
1) 多次加卸载过程中,一次加载时声发射参数呈现出一直增加的趋势,并且增加速度缓慢增加。二次及以后加载时,声发射参数变化呈现两个阶段性特征,开始阶段增加缓慢,为相对平静期; 在加载至一次加载峰值时,声发射参数开始呈现出近似指数形式的快速增加。声发射参数呈现这种变化规律主要是由于两方面原因:一是一次加载时对孔裂隙的不可恢复性压密以及对存在棱角弱面的挤压、磨平,使后期再次加载时,在加载初期存在一个相对的平静期。二是煤样本身较强的记忆性。因此,在进行煤矿井下地质灾害监测时,要加强周期来压过程中声发射参数平静期特征的分析,以便于及时掌握煤岩变形特征。
2) 随着加卸载次数的增加,煤样逐渐显现出较强的Felicity效应,体现了煤样对声发射记忆的超前性,这一规律与文献[13]得出的趋势相似。主要是随着加卸载次数的增加,煤岩本身强度逐渐降低,抵抗变形破坏的能力逐渐降低,在较小的应力下就可以引起较大范围的塑性变形与破坏。所以,在应力还没有达到上一次加载时的应力时,就开始有大量的声发射事件产生。利用煤样的这一特征,可以及时掌握煤岩的受力情况,为灾害的预测提供应力特征信息。
3) 加卸载过程中峰值后声发射参数在整体上大于峰前声发射参数。在峰后声发射参数具有较高值,主要是经过峰值后破坏阶段,煤岩发生了较大范围的塑性变形,煤岩强度降低,在较低的应力作用下,就会在煤岩内部产生变形、破坏,发出声发射信号。
3 结论
1) 首次加载时声发射参数具有渐变性增加的特征,随后加载时声发射变化呈现出分段性特征。即在煤矿开采过程中,初次来压时,煤岩声发射参数呈现出渐变性; 在随后周期来压过程中,煤岩声发射变化呈现出阶段性特征。
2) 随着加载次数的增加煤岩的Felicity效应逐渐增强,体现了煤岩记忆的超前性。在基于声发射进行煤矿井下地质灾害预测时,要注意煤岩的Felicity效应影响。
声发射特征 篇4
混凝土作为应用最为广泛的工程材料,在建筑、道路、桥梁、大坝等工程结构中起着非常重要的作用。其中,桥梁多为钢筋混凝土结构,在恶劣的应用环境中,结构很容易产生细微裂纹等缺陷,如果不及时发现并处理,微裂纹继续发展有可能导致桥梁结构的损坏,严重情况下将造成桥梁断裂破坏,带来巨大的人员伤亡与财产损失[1~2]。因此,对桥梁结构早期微裂纹的有效检测,消除故障隐患,对保证桥梁的安全使用影响巨大。
目前,对钢筋混凝土结构缺陷检测的方法主要有超声法、红外热像法以及声发射法等[3]。其中,声发射(Acoustic Emission,简称AE)能够利用材料局部能量变化释放的瞬态弹性波来准确检测和定位故障缺陷,灵敏度非常高,可以达到微米数量级[4],加之声发射具有动态连续检测功能,从而在在诸多领域得到了广泛的研究与应用。因此,将声发射技术应用到桥梁钢筋混凝土结构缺陷的在线实时监测中,是一种可靠的途径,并得到了专家学者们的重视。纪洪广等通过三点弯曲试验分析混凝土断裂过程中声发射关联分维数的变化规律,确定了混凝土试块在临界断裂时的分型特征识别模式,并证明此识别模式可以作为材料临界断裂的判别特征[5~6]。陈兵等通过三点弯曲试验将钢纤维混凝土梁的声发射信号振幅分布特性划分为不同的区段,并与混凝土内部不同的破坏机制建立一一对应的联系[7~8]。骆英等则通过三点弯曲载荷试验对不同强度的混凝土试块以及同强度的素混凝土和钢筋混凝土试块进行研究,发现全波形声发射技术可以实现混凝土结构的损伤在线监测[1,3]。在他们的研究基础上,本文进一步考虑了声发射信号中微弱故障特征信号的提取与识别技术,提出了基于非线性盲源分离消噪的钢筋混凝土梁全波形声发射信号时频检测方法。该方法的创新点在于:利用非线性独立分量分析(Nonlinear ICA)从多个传感器信号中分离出故障源,消除外界噪声干扰,同时,利用维格纳分布(WVD)对故障源信号进行时频分解,提取敏感故障时频特征,从而提高梁损伤检测精度。最后,利用三点弯曲载荷试验验证所提检测方法的有效性。
1 非线性盲源分离
传感器在采集声发射信号时,难免会受到通信环境的影响而引入非线性噪声信号。由此,会干扰故障特征提取过程,严重时会使故障辨识结果错误。因此,独立分量分析(ICA)被应用到多通道传感器信号的去噪中来,即在对信号系统没有任何先验知识的情况下,对含有噪声的原始信号进行分离,学术上称为盲源分离。然而,传统的ICA是建立在线性假设基础上的[9],当信号系统属于线性系统时,源信号分离的效果比较理想。但是现实系统一般为非线性系统,源信号与噪声属于非线性混合,所以基于线性假设的ICA很难分离出真实有效的源信号。近年来,基于神经网络的非线性独立成分分析引起了学术界的高度重视,与传统的线性ICA算法相比,非线性独立成分分析能利用神经网络强大的非线性函数逼近能力实现对非线性混合的分离。基于神经网络的非线性独立成分分析数学方程为[10]:
式中,s=[s1s2…sn]T是n个源信号,x=[x1x2…xm]T是m个传感器采集到的源信号的混合观测信号,A为线性混合矩阵,t=[t1t2…tl]T为非线性混合后的观测信号,f(x)为非线性混合函数,z=[z1z2…zm]T为非线性解混后的观测信号,g(t)为非线性解混函数,y=[y1y2…yn]T为分离后的源信号,W为分离矩阵。从式(1)的数学表达可见,盲源分离是对源信号的估算,其核心是找到非线性混合函数f(x)的反函数g(t)以及线性混合矩阵A的逆矩阵W。但是f(x)和A都是未知的,不能直接求得g(t)和W,为了能够得到近似逼近f(x)和A的逆,本文采用径向基函数(RBF)模型,结合最大互信息准则来求解解混函数和分离矩阵。其计算流程如图1所示,具体的理论推导可参见文献[11]。
在声发射信号采集过程中,噪声和弹性波之间具有相互独立性,通过基于神经网络的非线性盲源分离算法可以得到相互独立的分量,去除独立的噪声数据,从而保证了材料损伤特征信息不被破坏。这样,就可以利用WVD提取到可靠的故障特征,便于故障的早期识别。
2 试验与数据分析
试验用钢筋混凝土梁截面尺寸:180mm×120mm,长度1200mm,混凝土强度等级C50,梁底纵向构造钢筋为A5覫12,钢筋保护层厚度30mm。混凝土的配合比为水泥:砂:石子:水=1:1.32:2.32:0.40,采用人工搅拌混凝土。三点弯曲试验采用万能疲劳试验机加载,利用PXWAE鹏翔全波形声发射仪采集声信号,8个中心频率为150k Hz的压电传感器布置在试件正反两侧面,图2为一侧4个传感器的布置。在加载前,梁试件已经存在微裂纹,加载过程中,原始裂纹扩张已经与新裂纹合并形成宏观裂纹,随着进一步加载,宏观裂纹扩展断裂。
图3所示为声发射积累能量随加载载荷关系曲线。从图中可见,裂纹的高速扩展期处于BC段与DE段,在FG段断裂,破坏载荷为61k N。试验结果与文献[1]吻合。
通过分析图3,可以认为AB段是安全区,裂纹处于早期状态;DE段是危险段,宏观裂纹已经出现;FG段则是破坏段。这几个阶段对应混凝土梁失效的典型过程,因此,本文以AB、DE和FG三个时间区段的声信号作为研究对象,利用非线性盲分离和WVD时频分析技术提取各个阶段的损伤本质特征值作为对混凝土梁状态的评估依据,结合支持向量机来实现梁损伤检测的智能识别。
图4~图9给出了早期裂纹、宏观裂纹与断裂三种状态下声发射信号的WVD时频谱,并对比了传感器采集原始信号与非线性ICA分离信号的时频特性。
从图4~图6可见,传感器采集到的初始信号波峰主要集中在50~200k Hz,最大能量集中在75k Hz左右;另外,大于200k Hz的高频区也出现了能量波峰。而从理论分析与已经得到的研究结果[1,3,4,5]可知,正常钢筋混凝土梁的声发射信号能量峰值一般在10~100k Hz,最大能量集中在10k Hz左右,宏观裂纹以及断裂时能量峰值则在10~165k Hz。对比图4~图6分析可知,受到环境因素以及传感器自身的影响,噪声污染使得梁声发射信号的频率有了一定的漂移,并且高频率区域出现了噪声的能量波峰。而从图7~图9可见,经过非线性ICA去噪后,正常钢筋混凝土梁的声发射信号能量峰值主要集中在10~100 k Hz,最大能量集中在10k Hz左右,而宏观裂纹以及断裂时能量峰值则在10~165k Hz,整个破坏过程的频谱由低频到高频发展,分析结果与文献[1]吻合。由此可见,通过非线性ICA处理,传感器原始信号中的噪声干扰被有效地抑制与消除,去噪后的信号更加接近理论值。同时,注意到图7~图9中不同裂纹状态下频率区间[0~20k Hz]、[40~60k Hz]、[80~100k Hz]、[130~150k Hz]以及[160~180k Hz]的能量分布存在较大不同,所以,可以沿着时间轴方向将此5个区域的能量值作为识别梁裂纹状态的重要特征。
鉴于支持向量机(SVM)具有较强的模式识别能力[12],本文将计算得到的5个区域能量值作为SVM的输入变量,其输出为[0 0 1]、[0 1 0]和[1 0 0]分别对应梁裂纹的三种不同状态,从而来判断梁的裂纹情况。实验中,对梁的微裂纹、宏观裂纹和断裂声发射信号分别取50个样本来训练SVM,然后用训练好的SVM去判定新的输入样本。表1为SVM对新样本的识别结果,其中,分别采用了非线性ICA-SVM、线性ICA-SVM和只使用SVM的测试结果。从表中可见,使用ICA去噪后可以明显提高裂纹状态辨识精度;同时,非线性ICA比线性ICA的去噪效果好,裂纹状态辨识更准确。因此,本文所提出的短时交通流量预测方法具有较高的预测能力,有效提高了短时交通流量预测精度。
3 结论
(1)随着混凝土梁裂纹的扩展,其声发射信号频谱峰值范围相应扩大,但是在主要的特征频率50k Hz与100k Hz左右的能量集中具体不同特点,可以作为识别梁裂纹发展状态的重要特征。
(2)传感器采集到的声信号难免被噪声污染,影响信号的时频分布特性,采用非线性ICA可以较好去除噪声干扰,恢复信号本质特性,达到提高梁损伤识别精度的目的。
摘要：钢筋混凝土桥梁暴露在恶劣工作环境下常常受到裂纹损伤威胁,及时有效地检测到混泥土梁的微裂纹以及识别梁的损伤状况是保证桥梁安全作业的重要基础。针对目前采用全波形声发射仪采集声信号受到噪声污染而影响探伤精度的问题,提出了基于神经网络的非线性独立分量分析(ICA)与维格纳分布(WVD)的损伤声发射信号特征提取与识别的新方法。通过RBF网络估计混入声信号中的非线性噪声成分,利用ICA算法分离出真实的梁损伤声信号,消除噪声干扰,并应用WVD分析分离信号的时频谱分布,提取信号特征频率处的能量特征作为识别损伤状态的有效参数。三点弯曲加载试验结果表明,非线性ICA能够有效抑制噪声导致的声信号频率漂移,得到信号可靠的关键特征,提高梁裂纹损伤的识别精度,且结果比不进行去噪处理提高了9%。
关键词：钢筋混凝土,无损探伤,声发射,非线性独立分量分析,谱分析
参考文献
[1]王彬,顾建祖,骆英,李忠芳.预应力钢筋混凝土梁破坏过程的声发射特性实验研究[J].防灾减灾工程学报.2006,26(4):453-457.
[2]杨智春,于哲峰.结构健康监测中的损伤检测技术研究进展[J].力学进展,2004,34(2):215-223.
[3]王余刚,骆英,柳祖亭.全波形声发射技术用于混凝土材料损伤监测研究[J].岩石力学与工程学报,2005,4(5):803-807.
[4]Ohtsu M.Acoustic emission characteristics in concrete anddiagnostic applications[J].Journal of Acoustic Emission,1987,6(2)99-108.
[5]纪洪广,张天森,蔡美峰,张志勇.混凝土材料损伤的声发射动态检测试验研究[J].岩石力学与工程学报,2000,19(2):165-168.
[6]纪洪广,王基才,单晓云,蔡美峰.混凝土材料声发射过程分形特征及其再断裂分析中的应用[J].岩石力学与工程学报.2001,20(6):801-804.
[7]陈兵,张东,吴科如.混凝土梁声发射特性试验研究[J].建筑材料学报,1998,1(4):315-319.
[8]陈兵,姚武,张东,吴科如.混凝土梁破坏机制的声发射特性试验研究[J].建筑材料学报,2001,4(4):332-338.
[9]Hyvarinen A.,Karhunen J.,Oja E.In dependent componentanalysis[M].John Wiley&Sons,New York,2001.
[10]张天瑜.基于神经网络的变速率非线性盲源分离ICA算法研究[J].陕西科技大学学报,2010,28(5):105-109.
[11]Y.Tan,J.Wang,J.M.Zurada.Nonlinear Blind SourceSeparation Using a Radial Basis Function Network[J].IEEETrans.On Neural Networks,2001,1(1):124-134.
声发射特征 篇5
随着人们对声发射技术研究的深入,其高灵敏度( 可探测到10- 11mm的结构表面振动) ,及其独有的动态特性在现役桥梁结构在线监测中的无可比拟的优越性越来越被研究者所发现,因此,声发射技术在桥梁检测和监测上的研究及应用越来越多[2—8], 并取得了较大进展。但是,环境噪音问题仍然是现役桥梁声发射应用研究和推广上的一大障碍。因此,有必要对声发射桥梁检测中的噪音特征及除噪技术进行深入研究。
在南宁市桃园大桥的箱梁内部进行了声发射试验,通过对检测数据的分析研究获得环境噪音的声发射特征,通过对噪音特征的深入分析,获得了相应的除噪方法,为桥梁声发射检测提供参考。
1南宁市桃园大桥概况
南宁市桃源大桥跨越邕江,大桥起于广西体育馆,终于桃源路与新民路交叉口。包括主桥、东西岸引桥、西引桥两侧辅道。主桥采用66 m +2 ×120 m + 66 m的4跨变高度预应力混凝土连续箱梁,桥面布置为双向6车道,主梁采用两幅单箱单室截面,三向预应力结构,主桥下部结构上下游分开; 西引桥分为3联,第一联采用4 × 28. 65 m等高度预应力混凝土连续箱梁,第二联采用5 × 28. 65 m等高度预应力混凝土连续箱梁,第三联采用28. 65 + 3 × 30 m等高度变宽预应力混凝土连续箱梁; 西引桥两侧辅道采用6 × 28. 65 m预应力等高度混凝土连续箱梁; 东引桥采用一联3 × 30 m等高度预应力混凝土连续箱梁及一联2 × 30 m等高度预应力混凝土连续箱梁。
主要技术标准:
道路等级: 城市主干路I级;
设计车速: 50 km/h ;
桥梁设计荷载等级: 城-A级。
2试验准备
2.1试验仪器选择
采用美国物理声学公司( PAC) 生产的SAMOS48型声发射仪,其主要性能指标见表1。
2.2试验位置选择
根据桃园大桥特点,选取主桥较大跨的120 m跨作为试验跨。分别以跨中截面A-A、B-B处为测试位置,如图1所示。
箱梁断面如图2所示。根据研究显示,传感器布置在不同位置时,所采集的噪音声发射特征有所不同。当箱梁超载时,箱梁底板应变最明显,所以进行桥梁声发射在线监测以及箱梁损伤检测时,通常都会将传感器布置于箱梁底板上,同时, 传感器布置在箱梁底板上也比较方便操作,所以, 将测点位置选在箱梁底板进行试验,同时在箱梁侧壁以及箱梁顶板上布置传感器进行信号对比。
3试验过程及噪音特征分析
3.1传感器布置
现场采集环境噪音只需一个传感器即可,但是为了便于后续的定位试验,同时也为了利用不同传感器采集信号来进行相互印证,现用三个传感器按照正三角行布置,断铅点位于三角形的形心处。见图3所示。
3.2环境噪音的声发射特征分析
布置好传感器后,连接声发射仪,将采集门槛预设为25 d B,开启声发射系统,开始采集环境噪音信号。
3.2.1环境噪音波形图分析
图4是现场采集到的环境噪音的AE信号波形图,从AE波形图可以明显看出,环境噪音是幅值较低的连续波形,分布较均匀,并且在波形图上有许多不规则的突出部分,通过对不同位置采集的波形图的对比分析,可知这些突出部分是桥上以及附近车辆通过而产生的较高幅值的信号。
3.2.2环境噪音撞击-幅值关联图分析
撞击( hit) 计数是声发射研究中的一个重要指标,当某一声发射信号越过门槛并被某一通道记录, 则形成一次撞击,撞击计数则是系统对撞击的累积计数。
图5是现场采集到的噪音信号的撞击-幅值关联图,关联图显示出了噪音声发射信号的撞击主要发生在幅值35 d B以下,而幅值在35 d B以上的撞击很少,所以,声发射检测时将门槛设置为35 d B, 大部分噪音就不能形成撞击,即可以有效滤除大部分环境噪音。
3.2.3环境噪音能量-平均频率关联图分析
在声发射检测中,声发射信号的能量不是真实物理意义上的能量,而是与信号的幅值及幅值分布有关的参数,只具有数学上的意义。尽管如此,声发射能量在评判材料断裂及损伤程度方面仍然是一个重要参数。
图6是现场采集到的噪音信号的能量-平均频率关联图,从关联图可以明显看出,较高能量的噪音声发射信号都集中在平均频率为35 k Hz以下的区段,并且大部分信号的能量也都在10个能量单位以下。所以,将采集频率设置为大于35 k Hz,则可以滤除高能量的环境噪音,并且由于混凝土中裂纹扩展时产生的声发射频率在40 ~ 65 k Hz范围内[9],所以,结构受较大荷载作用时,利用设置频率除噪可以达到较好的效果。
3.3AE源定位时的声发射噪音特征分析
AE源定位是声发射检测中的一项重要工作, AE源定位目前采用较多的是时差定位法,即根据定位组中各传感器接收到同一声发射源发出的信号后,根据接收到信号的时间差计算声发射源的位置, 并将其确定为一个事件。但是在实际桥梁检测过程中,越过门槛的噪音信号也有可能被传感器接收到而被误判为有用信号,并且越过门槛的噪音也有可能与有用信号一起被确定为一个事件,从而使定位发生错误。
利用图3所示的传感器布置方式进行断铅模拟损伤的声发射源定位试验,对噪音的特征进行分析识别。
3.3.1定位参数设置
声发射定位参数主要包括门槛值、波速以及时间参数。
合适的检测门槛值既可以有效滤除大部分环境噪音,同时也不会丢失有用信号,根据前文对噪音信号的特征分析,取检测门槛值为40 d B。
波速是声发射源定位的最基本的参数,为了准确设置波速,在试验前进行了原位断铅试验测定波速,最终取定位波速为2 400 m/s。
声发射检测的时间参数包括峰值定义时 间 ( PDT) 、撞击定义 时间 ( HDT) 、撞击闭锁 时间 ( HLT) ,时间参数设置的正确与否,直接决定了系统能否正确识别撞击( hit) ,通过对现场断铅产生的突发性信号的分析,最终确定: 峰值定义时间( PDT) 取75 μs; 撞击定义时间( HDT) 取150 μs; 撞击闭锁时间( HLT) 取180 μs。
3.3.2断铅定位试验现象
断铅模拟损伤的声发射定位试验是声发射研究的重要方法,通过在图3所示的三个传感器组成的平面定位组中进行断铅试验,研究环境噪音的特征。
设置好定位参数,开启声发射采集系统,在断铅点处连续进行十次断铅,用时30 s,得到图7所示的定位图。从图上看出,大部分点聚集在断铅点附近, 但也有部分点远离了断铅点。同时,从系统中的数据文件显示出,试验得到了14个定位点,所以,其中有四个定位点是由噪音信号被系统误判为断铅信号而形成的。
3.3.3断铅定位试验的噪音分析
为了识别噪音形成的定位点,对组成定位组的三个传感器接收到的信号幅值、信号强度、能量、振铃计数与撞击时间( 定位组中三个传感器顺次接收到撞击信号的时间) 进行了对比分析,见图8 ~ 图11。图中横轴表示断铅信号的撞击时间,定位组中第一个撞击即为断铅信号首次被接收到的时间。
声发射源发出的能量波在传播过程中,其幅值、 信号强度、能量等都会随着传播时间的增长而不断衰减。也就是说,随着时间的推迟,这些声发射参数也会逐渐衰减。对于同一个事件而言,它的声发射源的特征是恒定的,定位组各传感器由于接收到撞击时间的不同,它们的幅值、信号强度、 能量也应该随各自接收到撞击时间的先后顺序而呈现衰减趋势。同时,当阈值确定之后,振铃计数也会呈现衰减趋势。根据这一规律,由图8可以看出,第一、第八、第十三、第十四个事件,在同一定位组中的三个传感器接收到声发射信号的幅值大小不符合随时间衰减的趋势,所以可以判断形成这四个事件的三个撞击不是来自同一个声发射源,即不是来自断铅信号。可以断定这四个定位点就是噪音形成的定位点。
同时,图9 ~ 图11中的信号强度、能量、计数的变化趋势也反映出了同样的结果。
4除噪方法分析
根据前面对噪音特征的分析可知,噪音信号的幅值、频率等声发射参数特征及其变化都有一定的规律性,所以,在检测过程中,可以利用噪音声发射参数特征进行除噪,提高检测效果。
4.1根据环境噪音的声发射特征进行除噪
在常规的声发射在线监测时,人民最关心的是声发射信号有无异常。例如,声发射信号采集时,如果有异常频率的声发射信号出现,或者有高能量的信号出现时,则往往预示着结构材料内部有特殊的变化。例如,当材料发生较大的塑性变形,或者是有裂纹的产生或扩展时,会出现能量的大量积累和释放,从而使声发射参数出现异常。
根据前文所述,噪音声发射信号幅值主要集中在35 d B以下,所以将检测时的门槛值设为略大于35 d B( 通常设为40 d B) ,则可以滤除大部分环境噪音。同时,根据前文所述噪音信号的另一个特征,即高能量的噪音声发射信号频率主要集中在35 k H以下,利用噪音的这个特征,也可以将检测时的采集频率设置为35 k Hz以上,则可以滤除高能量的噪音信号,同时,在处理数据时再设置能量滤波范围,进一步滤除低能量的噪音信号,最大限度地降低噪音信号的干扰。
4.2利用逻辑分析法进行除噪
根据前文对噪音信号的分析可知,来自同一个信号源的声发射信号,随着传感器接收时间的先后顺序,其幅值、信号强度、能量、振铃计数等参数也将呈现衰减趋势,而不符合这种逻辑关系的声发射信号,有时也能够被系统识别为事件,从而影响检测结果的正确性。利用逻辑分析法可以滤除这部分噪音信号,提高定位精度。图12是滤除不符合逻辑关系的事件以后重新进行定位的定位图,从图中可以看出,定位点已经聚集在断铅点附近。
表2是从AE系统中提取出的各定位点的坐标值以及信号源幅值。从定位点的坐标平均值与断铅点坐标值进行对比可知,经过滤波除噪后的定位误差控制在50 mm以内。
4.3定位图的聚类
通过对事件的聚类,可以进一步明确定位点的位置。采用聚类点门槛值为10,聚类范围是110 mm × 110 mm进行了聚类。图13是采用软件内置的聚类功能做出的定位图的聚类分析图,通过聚类进一步提高了定位精度,聚类中心已经在断铅点的附近。
5结论
通过在南宁市桃园大桥上进行声发射定位试验,获得了以下主要结论。
( 1) 桥梁声发射检测时,适宜的检测门槛为40 d B,设置合适的检测门槛可以直接滤除大部分环境噪音。
( 2) 桥梁声发射检测时,环境噪音的高能量信号的频率主要集中在35 k Hz以下,所以将采集频段设置为35 k Hz以上,则可以滤除高能量的环境噪音信号。
( 3) 声发射源定位时,利用逻辑分析法可以在后期数据处理阶段滤除已经形成事件的噪音信号, 进一步提高定位精度。
参考文献
[1] 葛若东,刘茂军,吕海波.钢筋混凝土梁破坏过程的声发射特征试验研究.广西大学学报(自然科学版),2011;36(1):160—165Ge R D,Liu M J,LüH B.Experimental research on acoustic emission characteristics of reinforced concrete beams during failure process.Journal of Guangxi University(Nat Sci Ed),2011;36(1):160 —165
[2] 李逢晟.无损检测技术在公路桥梁中的应用探讨.黑龙江交通科技,2013;(10):144Li F S.Discussion on the application of nondestructive testing technology in road bridge.Communications Science and Technology,2013;(10):144
[3] 刘枝辰,俞腾,谭力.桥梁结构安全健康监测的技术方法探究.科技通报,2013;29(5):87—92Liu Z C,Yu T,Tan L.Bridge construction safety and health monitoring techniques reviewed.Bulletin of Science and Technology,2013;29(5):87—92
[4] 武新军,贲安然,徐江.桥梁缆索金属损伤无损检测方法.无损检测,2012;(4):12—16Wu X J,Ben A R,Xu J.NDT methods of bridge cables metal damage.Nondestructive Testing,2012;(4):12—16
[5] 李冬生,胡倩,李惠,等.多龄期桥梁斜拉索疲劳损伤演化声发射监测技术研究.振动与冲击,2012;31(4):67—71Li D S,Hu Q,Li H,et al.Acoustic emission technique for momitoring stay cable fatigue damage evolution of multi-aged bridge.Journal of Vibration and Shock,2012;31(4):67—71
[6] 丁幼亮,邓扬,李爱群.声发射技术在桥梁结构健康监测中的应用研究进展.防灾减灾工程学报,2010;30(3):341—351Ding Y L,Deng Y,Li A Q.Advances in researches on application of acoustic emission technique to health monitoring for bridge structures.Journal of Disaster Prevention and Mitigation Engineering,2010;30(3):341—351
[7] 郭健.利用声发射(AE)技术监测大型混凝土桥梁结构.工程与试验,2010;50(1):24—27Guo J.Study on using AE technology to monitor the structures of large civil bridge.Engineering&Test,2010;50(1):24—27
[8] 蔡猛.桥梁检测定位中的方法分析.科技创新与应用,2013;(28):210Cai M.Analysis method of bridge detection and location.Technological innovation and application,2013;(28):210
声发射特征 篇6
我国具有丰富的煤炭资源, 但是随着开采强度不断加大和开采深度不断增加, 我国煤炭开采逐渐进入了深部化、高强度化时代, 再加上我国煤层的赋存条件比较复杂, 这给煤矿开采造成了很大的困难.声发射是一种声学方法, 是一种研究岩石力学特性比较有效的方法.通过对煤岩破裂过程中声发射特征的分析可以了解煤岩内部应力状态的变化.分形理论由Mandelbrot创立于20世纪70年代, 我国在1991年由谢和平院士首先将岩石力学与分形几何学进行结合, 开创了岩石分形领域的新篇章[4,5].运用分形理论对煤岩体失稳破坏过程中声发射序列进行分析, 可以了解煤岩内部裂隙的发展, 有助于进一步对煤岩破坏过程的了解, 提出更为合理的煤岩失稳破坏的前兆信息.因此开展煤岩体在不同围压下的声发射特性和分形特性就有重要的意义.对于岩石类材料声发射特性及分形特性, 国内外已经展开了大量的研究.国外Voznesenskii等[6]对煤样在峰前破坏阶段的声发射特性进行了研究, 并对试样不同区域的声发射累计计数进行了分析, 分析结果认为在峰前破坏阶段, 不同区域声发射累计计数的相关性系数为一个常数.Shkuratnik等[7,8,9]在单三轴压缩下对不同粒径的热岩土材料、煤样等进行了声发射特性研究, 认为热岩土材料的声发射特性与其强度和粒径有一定的关系, 对在全应力应变过程中的声发射计数、累计计数及应力与应变的关系进行了分析, 认为煤样的全应力应变曲线可分为6个阶段, 并对6个阶段的声发射特性进行了分析.Majewska等[10,11,12]对煤样在瓦斯和二氧化碳吸附与解析过程中的声发射及应变特性进行了研究, 认为在瓦斯和二氧化碳吸附解析过程中其声发射与应变特征是有差异的.苏承东等[13]在单三轴压缩下, 对义马曹窑煤矿顶板砂岩进行了声发射实验, 认为砂岩在失稳破坏过程中的声发射特性与加载方式有关.艾婷等[14]运用MTS815岩石力学实验系统, 对不同围压下煤岩的声发射特性进行了实验研究, 并对声发射进行了定位研究, 研究认为在煤岩破裂过程中, 声发射主要产生于中前期, 在屈服破坏时声发射参数都会出现明显的突变.陈清运等[15]对不同围压下钙质砂岩的声发射特性进行了研究, 随着围压的持续增加, 声发射活动会出现一个最强的围压点, 之后会逐渐下降.曹树刚等[16]在单三轴压缩下, 对煤岩进行了声发射特性研究, 并对声发射信号特征进行了分析, 认为单轴压缩下和围压作用下, 声发射特性具有一定的差异.纪洪广等[17]对二长花岗岩进行了三轴压缩试验和声发射试验, 研究了声发射参数与力学参数之间的关系, 研究认为, 在三轴压缩下声发射特征也基本符合岩石加载的4个阶段.吴贤振等[18]在单轴压缩下, 对不同岩性岩石的力学特性和声发射特性进行了研究, 并对声发射序列进行了分形分析, 认为岩石失稳破坏过程中声发射序列的关联维数会出现由波动到持续下降的转变.姜永东等[19]在单轴压缩下, 对岩石的全应力-应变过程中的声发射特性进行了研究, 研究认为在不同阶段声发射特征具有很大的差异, 岩石在失稳破坏过程中具有分形和混沌特征.
综上所述, 国内外大量学者对煤岩类材料, 尤其是岩石类材料的声发射及声发射序列的分形特征进行了研究, 取得了大量的成果, 推动了声发射技术在工程领域应用的发展, 促进了人们对煤岩声发射知识的了解, 但是对于不同围压下煤样的声发射特性及其分形特征进行研究的还鲜有报道, 因此本文运用RMT-150C型岩石力学伺服试验系统和CDAE-1型声发射监测仪对煤样在不同围压下的声发射特性进行了研究, 并运用分形理论对声发射序列的分形特征进行了分析.
1 煤样的实验过程
1.1 实验设备及加载方式
试验采用中国武汉岩土力学研究所研制的RMT-150C型岩石力学伺服试验系统和北京科海恒生科技有限公司开发研制的CDAE-1型声发射检测仪, 声发射实验系统是基于PCI总线控制的全数字化声发射检测及分析系统, 有18通道.实验首先按静水压力条件, 以0.5 MPa/s的加载速率加载至预定的围压值, 轴向加载采用位移控制方式, 以0.005 mm/s的加载速率连续加载至试样完全破坏.每种围压重复做3个试样, 为了保持声发射系统与加载系统的同步性, 声发射系统与加载系统同时监测, 在三轴门缸与声发射传感器之间涂上一层耦合剂, 门槛值设置为48 d B.试验系统示意图如图1所示.
1.2 试样的制备
本实验所有煤样 (图2) 均取至潞安集团屯留煤矿, 按照规程的要求, 把煤样加工成直径为50 mm, 高度为100 mm, 煤样两端不平行度小于0.05 mm的标准煤样.煤样详细参数如表1所示.
2 不同围压下煤样的声发射特性
图3∼图5分别为围压为5 MPa, 10 MPa和15 MPa时煤样的声发射计数、累计计数以及应力与时间变化曲线 (由于篇幅有限只选用了A1, A4和A7的声发射参数来分析) .从图中可以看出, 煤样在不同围压下的声发射特征具有很大的差异, 在初始压密期, 低围压下煤样的声发射计数相对水平比较高, 但是随着围压的逐渐加大声发射计数水平有所降低.随着载荷的逐渐增加, 开始进入弹性阶段, 声发射计数水平都有所提高, 累计计数也开始缓慢地增加, 只是增加的幅度相对较小.随着载荷的持续加载, 开始进入屈服期, 试件开始出现不同的扩容现象, 声发射计数开始活跃起来, 声发射累计计数大幅地增加, 但是煤样在低围压与高围压相比, 活跃程度大不相同, 煤样在低围压下声发射计数是跳跃式的持续地增加, 但是在高围压下, 声发射计数一直保持在一个相对较平稳的水平状态下, 声发射峰值计数相对在5 MPa和10 MPa时从5 000次左右降低到了450次左右.随着载荷的继续增加, 当应力超过煤样所能承受的极限承载能力之后, 开始进入破坏阶段, 在此阶段, 煤样内部大量的裂隙和孔隙开始汇聚、贯通, 开始形成宏观的裂纹, 声发射计数特别活跃, 声发射累计计数出现激增现象, 在低围压下特别明显.
从以上分析可以看出, 在不同围压下煤样的声发射特性具有很大的差异, 特别是对在破坏前夕的声发射特性有很大的影响, 围压越高, 在煤样失稳破坏前出现突增现象的时间越长, 在围压为15 MPa持续的时间可达150 s左右, 当围压增加至10 MPa时, 突增现象急速降到了50 s左右, 当围压达到5 MPa时, 突增现象急速降到了25 s左右.这说明在高围压下, 前兆信息相对于低围压时很明显.
3 声发射序列的分形特征
3.1 分形维数基本原理
分形理论创立于20世纪70年代, 我国对分析理论的研究开始于20世纪90年代.1991年谢和平成功地将分形几何与损伤力学相结合, 开创了岩石分形理论研究的新领域[5,18].分维值是定量描述分形的参数, 计算分形维数的方法有:Hausdorff维数、信息维数、盒维数和关联维数等.关联维数运用相对广泛, 因此本文选用关联维数来计算分形维数值[20].
本文以声发射计数序列为研究对象, 每一个声发射计数序列对应1个容量为n的序列集, 再根据声发射计数序列集构成1个m维的相空间 (m
关联维数公式为
式中, C (r) 为关联函数;H (x) 为Heariside函数,
3.2 相空间维数的确定
确定相空间维数的方法有最大值不变法、几何不变量法、虚假邻点法、预测误差最小法和最小Shannon熵法等, 为了确定相空间维数, 根据文献[18, 21-22], 本文选用几何不变量法来确定相空间维数.由图6可知, 当相空间维数m=6时, 关联维数基本不再变化, 因此本文选相空间维数为6.
3.3 不同围压下声发射序列的分形特征
图7为不同围压下煤样声发射序列的分形特征曲线图, 从图中可以看出, 拟合曲线与原始曲线的相关性系数都大于0.95, 这说明煤样声发射计数序列具有分形特征, 对比不同围压下的关联维数可知, 不同围压下关联维数各不相同, 随着围压的增大, 关联维数逐渐增大, 煤样破裂过程中的自相似性有所增强.
3.4 不同围压下煤样失稳破坏过程中的分形特征
图8为不同围压下煤样破裂过程中的分形特征曲线, 从图8中可以看出, 不同围压下煤样破裂过程中的分形特征虽然曲线大不相同, 但是曲线的变化趋势具有一定的相同性, 不同围压下煤样的分形特征曲线都会经历一个先下降再上升再突然下降的过程, 在峰值应力附近会出现一个分形维数值的最大值.不同围压下煤样的分形特征具有一定的相同性, 也存在一定的差异性, 虽然在加载初期由于煤样内部存在着不同数量微裂隙和孔隙, 随着载荷的增加, 这些原始裂隙和孔隙会被压实, 分形维值会呈现出很大的波动性, 但是随着围压的增大, 分形维数值的初始值会逐渐下降.随着载荷的继续增加, 煤样内部的原生裂隙和孔隙被压实, 新的微裂隙和孔隙开始逐渐发展, 再到汇聚、贯通, 出现局部的破坏带, 声发射分形维数值从无序开始向有序发展, 声发射分形维值会出现一个上升的过程, 之后会出现一个突降的现象.这种波动-上升-突降的现象可以认为是一种煤岩体失稳破坏的前兆.
4 结论
(1) 实验所得到的声发射计数和累计计数可以很好地反应煤样失稳破裂的过程.
(2) 不同围压下煤样的声发射特性具有一定的差异性, 围压越高前兆信息越明显.
(3) 不同围压下的煤样都具有分形特征, 但是随着围压的逐渐增大, 分形特征和自相似性有所增强
声发射特征 篇7
目前对LY12铝合金在拉伸状态下的声发射特征检测相对较少,因此检测LY12铝合金材料的多种拉伸状态下的声发射特性是十分必要的[6,7]。在此,笔者利用声发射技术研究了LY12铝合金试件在弹性、屈服、塑性变形和断裂阶段的声发射信号特征,以期获得试件状态与声发射信号特征之间的关系,为LY12铝合金材料部件的定损提供实验依据。
1 试验材料①
本次试验中所使用的材料为LY12高强度铝合金,其化学成分为:硅(0.50%)、铜(3.80%~4.90%)、铁(0.50%)、锰(0.30%~0.90%)、镁(1.20%~1.80%)、铬(0.10%)、镍(0.50%)、锌(0.25%)、钛(0.15%)、其他(0.15%),其余为铝。先采用机械加工计数制备试件,如图1所示,试件结构尺寸420mm×50mm×2mm,无裂纹无损伤。
2 试验装置
试件拉伸采用WEW-100万能试验机,声发射检测装置采用美国物理声学公司的PCI-2型声发射检测系统,传感器选用谐振式传感器,其工作频率150k Hz。构建的拉伸试验系统如图2所示,传感器布置于试件试验区的两端,传感器的前置放大器增益为40d B,门槛值30d B,采样频率2MHz,峰值限定时间200ms,声发射击波限定时间600ms,声发射击波闭锁时间800ms。
3 试验及结果分析
3.1 持续拉伸试验
持续拉伸试验的拉伸速度设为150N/s,试验持续历时1 287s,试件材料最大可承受应力24k N,整个拉伸过程分为3个阶段。试件拉伸和声发射事件特征如图3所示。
材料的弹性变形阶段为0~150s,弹性变形的实质是材料在外力作用下产生变形,当外力取消后,材料变形即可消失并能完全恢复原来的形状。从声发射事件积累计数曲线(图3)可以看出,声发射事件计数只有一个突发的计数积累,之后并没有增加。由此表明,在材料的弹性变形阶段,材料不产生或产生少量的声发射信号。
材料的屈服阶段在150~200s之间,通过图3中的拉伸应力曲线可以看出,试件并没有明显的屈服阶段,通常规定以卸载后产生0.2%的塑性变形的应力为屈服应力。经试验测试,试件的屈服应力约18k N。试验设定材料屈服应力范围内的时间段为屈服阶段。在此阶段内,事件计数相比前一阶段有明显的增加,这说明在材料的屈服应力段,开始有大量声发射信号产生。
材料的塑性变形阶段是从200s至断裂结束。塑性变形指材料内部出现大量的位错,使材料发生永久性的变形,并且在此阶段后期,材料会出现裂纹,裂纹经历成核、扩展直至断裂。在试验中,材料的塑性变形阶段出现锯齿流变现象。从图3的事件累积计数曲线可以看出,塑性变形阶段的前期事件计数有较大幅度的增加。而在900s至试件断裂的时间段内,事件计数增长相对前半段较为平缓。因而,从声发射事件计数的增长变化可以很明显地反映材料在拉伸过程中的状态变化,特别地可用于区分弹性变形阶段和塑性变形阶段。
将事件计数与声发射信号的平均幅值变化结合,可以更为明显地反映声发射在材料拉伸过程的阶段特性。图4为声发射信号平均幅值图,弹性变形阶段(0~150s)只在前期有一段相对较高幅值的信号产生,随后平均幅值就开始减小,前期的高幅值信号主要是试验机夹具产生的摩擦噪声,随后的数量较少;幅值较低的信号为材料内部小部分缺陷产生的声发射信号。在屈服阶段(150~200s),平均幅值有所提高,当材料进入塑性变形阶段,即200s之后,声发射信号平均幅值相比前两个时间段内的信号平均幅值提高较为明显,有的甚至达到60d B以上,这主要是由于材料发生塑性变形,材料内部出现大量位错,从而产生了大量的声发射信号[8]。在900s至试验结束的时间段内,声发射信号的平均幅值较之前有所降低,但是幅值变化较为稳定。这一过程的声发射信号主要是由裂纹萌发和扩展产生的。
总之,上述两个主要的声发射特征参数已经可以很明显地区分试件所处拉伸过程的各个阶段。证实声发射技术完全可以动态地检测材料内部产生的变化。
3.2 保压试验
由持续拉伸试验可以看出,试件在24k N断裂,为了分析保压工况下的声发射信号特征,设定在拉伸应力达到10、20k N时分别进行2min的保压,保压试验应力与声发射事件计数如图5所示。
对比持续拉伸试验,图5所示的应力在10k N时正处于材料的弹性变形阶段。当进行保压之时,声发射事件计数并未增加。保压2min后,继续加载,当加载到屈服应力以前,声发射事件计数只有少量增加。应力加载至材料的屈服阶段(400~450s)时,声发射事件计数才有相对明显的增加,这与持续拉伸试验的声发射事件计数特征相符,说明在材料弹性变形阶段进行保压并不会有声发射信号产生,声发射事件计数在此阶段的特性也并未受到影响。
试验材料在20k N保压时,材料处于塑性变形阶段。在保压之前,即500s之前,声发射事件计数增加迅速。当进行保压时,声发射事件计数并未增加。保压2min后,继续对材料加载,直至断裂,其声发射事件计数曲线与持续拉伸试验相应阶段的事件计数变化基本一致,说明在塑性变形阶段,对试验材料进行保压也不会产生声发射信号,同时保压并不会对后续加载试验的声发射事件特性产生影响[9]。
从上述试验可以看出,无论材料处于何种拉伸变形阶段,对其进行保压,都不会产生声发射信号,同时也不会影响其后续声发射信号的产生。当试件受持续恒负载时,根据声发射的特征参数可以判定其状态也不会发生变化。
3.3 重复加载试验
在材料或构件的实际应用中,重复加载是常见工况。重复加载试验操作过程为:拉伸应力在11、16、20k N时保压2min,保压后,卸载应力分别至6、6、3k N进行保压,然后继续加载。同时对重复加载过程中的声发射信号特征参数进行研究。重复加载试验应力和声发射事件计数如图6所示。
在11k N进行重复加载时,材料正处于弹性变形阶段。在图6中,进行保压和卸载时,声发射事件计数没有明显的变化。当从6k N进行加载后,约450s时,声发射计数并未明显增加。从450s继续加载,材料进入屈服阶段,声发射事件计数有明显的增加,变化规律也与持续拉伸试验吻合。在16k N进行重复加载时,材料处于屈服阶段。从500s时刻起至800s,声发射事件计数并未增加。自800s起,声发射时间计数才有明显的增加,并且增加规律与持续拉伸试验此阶段的规律相符。拉伸应力达到20k N时,材料发生塑性变形。对材料进行重复加载,由事件累积计数曲线可以看出,从1 100s至重复加载到相应应力前,声发射事件计数并未增加,并且曲线后面的变化规律与持续拉伸试验一致。
在重复加载过程中,声发射事件计数与拉伸应力存在明显的对应关系(图7),在3次重复加载试验中,材料在重复载荷到达之前,所加载的最大应力之前并不会产生声发射信号。当重新加载至超过卸载之前的最大应力时,材料会继续产生声发射信号,声发射特征符合对比的持续拉伸试验各个阶段的声发射特征。因此,对无裂纹和损伤的材料进行重复加载过程时,无论材料处于何种变形阶段,在重复载荷到达之前所加载最大载荷之前不会发生明显声发射,并且重复加载并不会影响后续拉伸过程声发射信号的产生。
4结束语