基于声发射的结构健康监测方法综述

沈阳市博睿爱文科技有限公司 张雪岩

声发射(AE)因其具有高灵敏度和较大面积连续监测的优点而被广泛应用于结构健康监测（SHM），特别是对裂纹萌生和扩展的监测。本文简要回顾了声发射技术的近期研究成果及其在SHM领域的工程应用。研究表明，声发射技术能够广泛应用于多种材料和结构的结构健康监测，包括复合材料、金属、混凝土和岩石等，以及不同类型的民用和工业应用，但其在判据建立以及阈值选取等方面有待进一步完善。

裂纹监测是结构健康监测（SHM）的重要内容。作为一种新型的动态无损检测技术，AE因具有对裂纹的变化极为敏感，检测灵敏度高、操作简单等优点而成为常用的裂纹监测方法。

1 材料检测

Angela将声发射数据的信息熵（即声发射熵）被评估为疲劳载荷下金属板实时评估的断裂敏感特征[1]。Zhang研究了Q235钢的声发射响应和损伤过程[2]。Li利用深度学习神经网络识别AE峰值和能量特征监测激光熔覆过程中金属覆层裂纹的萌生[3]。Zhao实现了用声发射（AE）技术表征和量化金属薄板在冲裁过程中裂纹扩展过程[4]。

Kong分别对单纤维复合材料在不同损伤模式下的AE信号特征进行了统计[5]。Kyzio通过分析RMS参数(声发射信号的均方根) 确定材料的屈服强度[6]。Panek将声发射监测和详细的扫描电子显微镜观察相结合，探测到材料细小的微裂纹萌生[7]。

Geng基于累积声发射能量和耗散能理论，提出了砂岩损伤变量[8]。Zhang利用声发射能量积累曲线预测岩煤组合体破坏[9]。Zhang利用专门设计的声发射 (AE)测试系统，建立了岩石热损伤演化模型[10]。Suzuki实现用声发射 (AE) 定量评估混凝土材料的压缩损伤状态[11]。Trmpczyński提出基于声发射的混凝土养护过程中微裂纹萌生监测方法[12]。Xie记录了多孔混凝土样件在单轴压缩试验中的声发射振铃数和能量的变化，并对b值进行了分析[13]。Li研究了单轴压缩条件下煤岩在渐进破坏过程中的声发射特性[14]。

Rescalvo基于声发射信号的频谱特征研究了杨树样件在压缩载荷下的断裂过程[15]。Bertolin利用AE和数码相机可靠地评估裂纹在薄片中的扩展程度[16]。Clerc采用无监督模式识别方法对胶合山毛榉木材准静态裂纹扩展过程中的声发射信号进行分类[17]。Nasir提取锯木过程中冻伤木材的声发射信号特征，进而建立冻木识别判据，优化木材的切削过程[18]。

Qiu通过识别声发射数据的特征来表征沥青混合料的断裂机制。结果表明，声发射能量率和累积声发射能量的突变能够反映沥青混合料损伤的演化特征[19]。Yda采用声发射 (AE) 和数字图像相关 (DIC) 相结合的方法对耐火材料 (MgAl2O4和FeAl2O4) 在楔劈劈裂试验下的断裂行为进行了定性和定量研究。研究结果表明，耐火材料中存在的微裂纹网络有利于脆性的降低，增强了耐火材料的非线性断裂行为和抗热震性能[20]。Smedt对具有不同脆性的耐火浇注料进行循环三点弯曲时的声发射参数测定，进而将能够区分剪切和拉伸破坏信号的AF/RA比值参数视为材料脆性破坏判据[21]。

2 结构监测

Kim以声发射平均频率和RA值作为分析参数，实现了对预应力混凝土桥内筋失效状态的检测[22]。Janeliukstis建立了铁路预应力混凝土轨枕受弯荷载过程中声发射计数与特定峰值频率的对应关系[23]。Wu采用两种声发射速率数学模型对砌体现场单轴压缩试验中的声发射数据进行了分析[24]。Liu采用声发射 (AE) 技术监测了静应力和动力扰动作用下隧道周围渐进破裂过程的发生[25]。Ln建立了火电厂高压管道裂纹的产生和扩展与声发射之间的关系[26]。Leaman提出了一种准确、易于使用的方法来定位大型风力机行星齿轮箱中环形齿轮的声发射源[27]。Angulo基于AE和有限元分析提出了一种针对漂浮式海上设施锚链结构的裂纹萌生和扩展监测方法[28]。

Tang等人确定了风力涡轮机叶片中的三种损伤类型：基体开裂、分层和脱粘[29]。每种类型的损伤都与AE指标中的不同值有关，例如峰值频率、平均频率、峰值振幅和MARSE。Rivera等人研究了系泊链链环中裂纹的形成。这些用于锚具和码头，因此容易磨损和腐蚀。将链环浸入含盐溶液（模拟海水）的池塘中，并在3.7个月内承受逐步增加的恒定载荷。结果表明，所有使用的声发射指标，包括峰值振幅和马尔斯能量，都有可能区分链条应力腐蚀裂纹的不同阶段[30]。在工业上，声发射技术已成为压力容器健康监测的标准无损检测工具。对于测量而言，由于凯撒效应，需要在过去12个月内施加在容器上的最大载荷的5%-10%的超压。Hasan等人提出将传统AE指标与遗传算法和k-NN聚类方法相结合，用于监测球形容器，获得了容器健康状态分类的平均99.8%的准确率[31]。

3 结论

声发射方法能够以高分辨率和高灵敏度检测裂纹，因此广泛应用于评估各种材料的抗损伤性能和各类结构的健康监测。与其他替代方法相比，声发射技术具有以下优势：(1)AE技术是一种动态检测方法，允许立即检测信号变化；(2)可以远距离研究样本；(3)在主操作中无需停止即可使用；(4)具有高性价比；(5)极高的灵敏度和准确性；(6)无损；(7)速度极快。从近期文献中可以看到，固定阈值法仍然是应用最广泛的AE方法。振幅、能量、b值、持续时间和事件计数被广泛用于监测裂纹扩展，因为这些指标与断裂过程中释放的能量有关。基于平均频率、RA和上升时间能够对固体材料中的损伤模式进行分类，而在复合材料中，它们能够被用于确定裂纹源（基体或纤维）。所有这些都依赖于对突发信号的正确检测。由于短时间内发生的事件数量较多，因此这不是裂纹监测的最佳选择。为实现这一关键点，应继续努力开发用于正确突发事件检测的自动化和决策算法。

许多研究人员提出了损伤起始的定性标准，但定量标准的缺失可能导致对损伤起始的不同解释。在损伤识别方面，不同的无监督聚类方法被广泛应用于声发射信号的聚类。这些方法的性能取决于AE数据集的结构。快速傅立叶变换（FFT）、小波变换、希尔伯特和希尔伯特-黄变换（HHT）技术在声发射信号处理和分析在不同加工应用中显示出巨大的潜力。此外，研究调查表明，频域频谱分析比时域分析更能在声发射信号和各种加工特性之间找到充分的相关性。