基于声发射信号分析的热障涂层损伤模式识别研究

基于声发射信号分析的热障涂层损伤模式识别研究

ID:34671337

大小:2.43 MB

页数:67页

时间:2019-03-09

基于声发射信号分析的热障涂层损伤模式识别研究_第1页
基于声发射信号分析的热障涂层损伤模式识别研究_第2页
基于声发射信号分析的热障涂层损伤模式识别研究_第3页
基于声发射信号分析的热障涂层损伤模式识别研究_第4页
基于声发射信号分析的热障涂层损伤模式识别研究_第5页
资源描述:

《基于声发射信号分析的热障涂层损伤模式识别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学校代码10530学号201110081252分类号TB35密级公开硕士学位论文基于声发射信号分析的热障涂层损伤模式识别研究学位申请人康海松指导教师杨丽副教授学院名称材料与光电物理学院学科专业材料科学与工程研究方向材料测控技术与装备二零一四年六月万方数据IntelligentdiscriminationoffailuremodesinthermalbarriercoatingsbasedonacousticemissionsignalsanalysisCandidateHaisongKangSupervisorAssociateProfess

2、orLiYangCollegeFacultyofMaterials,OptoelectronicsandPhysicsProgramMaterialsControlTechnologyandEquipmentSpecializationMaterialsScienceandEngineeringDegreeEngineeringMasterUniversityXiangtanUniversityDateJune2014万方数据湘潭大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以

3、标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名:日期:年月日导师签名:日

4、期:年月日万方数据摘要热障涂层(Thermalbarriercoatings,简称TBCs)以其良好的隔热、耐磨与耐腐蚀性能被广泛应用在航空、航天涡轮发动机中。然而,热障涂层实际服役环境非常苛刻,且自身结构非常复杂,导致热障涂层体系极易发生表面开裂与界面分离,并最终导致涂层发生剥落失效。对热障涂层损伤模式识别研究是进行热障涂层失效无损评价的主要内容之一,基于此,本文采用声发射技术(Acousticemission,简称AE)对轴向载荷下热障涂层的失效过程进行实时检测,通过聚类分析找出识别损伤模式的声发射信号关键参数,应用小波包变换提取智能识别

5、声发射信号的特征向量,并应用神经网络技术实现损伤模式的智能识别。主要研究内容如下:第一,采用k-means聚类法方法对轴向载荷下声发射信号进行聚类分析,找出最能表征不同损伤模式的声发射信号特征参数。首先,针对热障涂层体系的损伤特点,采用拉伸加载与压缩加载产生预期损伤模式的声发射信号。根据拉伸与压缩试样的破坏过程,采用幅值、持续时间、计数、能量、上升时间与峰频作为聚类变量,对声发射信号进行聚类分析。结果表明,声发射信号频率参数最能表征热障涂层不同的损伤模式,陶瓷层表面垂直裂纹信号频谱范围为0.20-0.23MHz,剪切型界面裂纹信号频谱范围为0

6、.27-0.30MHz,张开型界面裂纹信号频谱范围为0.41-0.46MHz,基底塑性变形型信号频谱范围为0.13-0.16MHz。第二,通过小波包分析提取识别信号模式的特征参数。根据不同信号频率分布范围,选择合适的小波基函数与分解尺度,对四类声发射信号进行小波包分析。根据小波包方法得出信号的时频分布图,分析四类声发射信号的时频分布差异。提取小波能谱系数作为声发射信号的特征向量,作为声发射信号的模式识别特征向量,并以此建立神经网络的输入样本集。结果表明,不同类型声发射信号的能量在频域分布上存在明显的差别,提取小波能谱系数能够很好的实现对信号的

7、识别。第三,应用神经网络技术建立热障涂层损伤模式智能识别系统。采用三层BP网络,通过随机采样将100组信号分成所占百分比为60%、20%、20%的训练集、验证集、测试集对网络进行训练。采用附加动量算法经过175次学习训练,网络的最小期望误差达到0.01,经过20组测试样本对网络进行测试发现识别率达到了95%。这表明神经网络的设计合理,泛化能力高,能够达到自动识别热障涂层损伤声发射信号的模式类别,具有很好的工程应用价值。关键词:热障涂层;声发射;损伤模式;小波变换;神经网络I万方数据AbstractThermalbarriercoatings(

8、TBCs)havebeenwidelyusedinaviation,andaerospacegasturbineengines,duetotheirexcellen

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。