起重机梁声发射技术无损检测研究

摘要

该课题的目是探讨起重机梁声发射技术无损检测的可行性及声发射信号的特征.迄今尚无有关该课题的文献报导.首先进行常规无损检测(超声波和表面磁粉检测)以确定起重机梁是否已有裂纹存在,如果没有现存裂纹,就在适当位置人工制造一裂纹作为测试点,然后用液压脉冲疲劳试验机加载作为起重机梁的工作荷载,在加载过程中进行声发射监测.最后,分析所获得的声发射信号,并评价裂纹的危险级别.试验所用的主要设备有:CTS-23超声波检测仪,CDX-Ⅲ磁粉探测仪,SpartanAT-24通道声发射监测仪(美国),液压脉动疲劳试验机,YJ-18静态应变仪.起重机梁的主要参数为:最大工作荷载7.1t,材质16Mn,跨度10000mm,主梁宽255mm,高500mm.取7.1×1.1=7.8t作为最大试验荷载,进行两个加载循环,在第一循环中以2.5t/min的速度分5档(5t,6.25t,7.0t,7.5t,7.8t)进行加载,每档保载5或10分钟(7.8t时),随后卸载至Ot,在第二循环中以2.5t/min的速度分4档进行加载(5t,6.25t,7.0t,7.5t),其余同第一循环,与加载同时进行声发射信号采集.围绕裂纹布置了两个探头阵,即线性阵(7,5,1,2,6及8号探头)和三角阵.所检测到的声发射信号的主要参数是:幅度≥70dB,能量计数65535-27,撞击计数(振铃数)0-65355,上升时间0-671μs,维持时间63704-919686μs,这些参数在很大范围内变化,除撞击数外,其它参数,例如幅度,能量计数,频响等都明显取决于监测设备的特性及探头的位置,作者认为,声发射源的危险评价标准应以撞击数为基础.文中对人工神经网络模式识别原理作了简要介绍.通过给BP神经网络输入声发射信号进行模式识别.复杂的数据组成,低信噪比,数据重复性差,环境不确定是声发射信号的固有特征,因此难以获得大量的典型训练数据.所以,用单一组典型数据训练之后,通过测试相对误差进行模式识别可能是一种较好的方法.该课题首次将声发射监测技术应用于起重机梁的安全评价,从而扩展了声发射技术的应用领域.

目录

文摘

英文文摘

第一章绪论

1.1引言

1.2声发射检测技术综述

1.3本文的技术路线和主要研究内容

第二章声发射检测系统

2.1声发射检测系统

2.2加载装置和加载程序

2.3人工缺陷的制作及缺陷的无损检测结果

2.4声发射检测换能器的布置

2.5声发射模拟源衰减测量

2.6应变测量

第三章声发射检测试验结果分析

3.1在无人工制作缺陷的情况下声发射检测

3.2在有人工制作裂纹缺陷的情况下声发射检测

3.3声发射源的划分

3.4源的综合等级划分

3.5检测结果的评定

3.6声发射源的评定

3.7声发射结果的评定

3.8起重机梁表面疲劳裂纹声发射特征参数结果及分析

3.9本章结论

第四章人工神经网络声发射信号模式识别

4.1人工神经网络概述

4.2声发射谱信号输入BP神经网络模式识别应用

4.3讨论

第五章结论与今后研究内容

5.1结论

5.2今后研究内容

参考文献

致谢

附录1没有人工制造缺陷的情况下，声发射检测定位图

附录2有人工制造缺陷的情况下，声发射检测定位图

附录3起重机梁声发射检测试验现场图片