基于金属磁记忆检测技术的低周疲劳损伤定量表征方法

摘要

本发明利用金属磁记忆检测技术，涉及一种基于金属磁记忆检测技术的低周疲劳损伤定量表征方法。本方法采用金属磁记忆检测仪对不同低周疲劳损伤程度的缺口件进行检测，得到不同损伤程度下的磁记忆信号；提取磁记忆信号特征参量H

说明书

技术领域

本发明利用金属磁记忆检测技术，涉及一种基于金属磁记忆检测技术的低周疲劳损伤定量表征方法。

背景技术

铁磁材料是现代工业中应用最广、用量最大的金属材料。而铁磁材料零部件多数承受的是周期性变动的疲劳应力，它们的失效，据统计60％～80％是由于各种微观和宏观的应力集中、疲劳累计损伤所导致的疲劳断裂失效。因此，对于铁磁材料的疲劳寿命预测和损伤定量表征至关重要。而目前，疲劳寿命分析方法一般采用试验分析法或试验与统计经验相结合的分析方法。前者完全依靠试验获取疲劳性能数据，这种方法虽然可靠，但是工作周期长、费用高，并且对于复杂构件试验难度大，甚至无法进行。后者则是利用已有的标准试验结果，依照经验性的当量原则或修正办法，来对实际情况的疲劳指标进行估算。但是在使用过程中，结构危险部位的应力、应变分布等随材料的不断损伤劣化而不断变化，并且其变化过程又会因载荷、结构形状、尺寸等不同而互有差异。该分析方法很难建立严格和普遍的当量关系，且结果也并不令人满意，甚至与构件的实际情况往往相差甚远。

损伤力学的发展为疲劳分析提供了新的概念和方法。损伤力学是以研究材料、结构的损伤性质以及在变形过程中损伤的演化发展直至破坏过程的力学理论，它为工程结构的损伤破坏分析、寿命预测以及材料细观损伤机理提供了定量的力学分析手段。采用该分析方法定量的研究材料损伤时，损伤变量的选取是问题的关键，不同的损伤变量将得到不同的损伤模型表达。目前常用的有密度法、弹性模量法、电阻/电位法、超声波法、微硬度法、塑性变形能法等。虽然这些损伤变量方法在不同的研究领域均得到了一定程度的应用，能够对构件疲劳寿命进行定量的表征和分析，但是，由于存在损伤变量的实时检测问题，对使用过程中的损伤实时诊断及定量评估也无能为力，特别是尚未成形的隐性损伤变化，难以实施有效的评价，从而无法避免由于意外的疲劳损伤发展而引发的恶性事故。

金属磁记忆检测技术(MMM)是由俄罗斯学者杜波夫于20世纪90年代后期提出的一种崭新的金属无损检测技术，它能够有效的检测出铁磁金属构件表面上的漏磁场分布，从而间接地对构件最大应力集中区域及其程度进行诊断，在铁磁性构件早期损伤检测及评价等方面极具潜力。

正因如此，金属磁记忆检测技术一经问世，便受到世界各国的普遍重视。国际焊接学会执行的欧洲规划ENRESS——“应力和变形检测”中，已明确规定“金属磁记忆法为切合实用的设备和结构应力变形状态检测方法”；俄罗斯、乌克兰、保加利亚、波兰等国已制订了对该方法和仪器鉴定的国家标准；印度和澳大利亚等国正在大力推广应用该技术。我国对于金属磁记忆检测技术也进行了较多的研究，如中国航空工业失效分析中心与南昌航空大学合作，得出了应力与地磁场同轴和异轴的磁化方程，并采用静力学和二次静磁学的有限元分析，得到加载条件下的漏磁场分布；大庆石油学院得到了弯曲疲劳条件下，磁记忆信号K值随疲劳损伤增加而逐渐增加，在出现微裂纹后K值急剧增加的研究结果；哈尔滨工业大学得到了磁记忆信号峰值的增量对疲劳寿命有预报作用，裂纹扩展速率与磁记忆信号间存在相关性；天津大学对焊接裂纹及其扩展的磁记忆信号特征参量及判据进行了研究等。但是，目前的金属磁记忆检测技术的研究还只是针对磁记忆信号及其特征参量的变化特征进行分析，无法对疲劳损伤进行定量表征。

发明内容

本发明的目的是：提供一种能够针对磁记忆信号及其特征参量的变化特征进行分析并且对疲劳损伤进行定量表征的基于金属磁记忆检测技术的低周疲劳损伤定量表征方法。本发明的技术方案是：将金属磁记忆检测技术与连续损伤力学相结合，以磁记忆信号特征参量作为连续损伤力学中的损伤变量，建立一种基于金属磁记忆检测技术的针对缺口件铁磁材料的低周疲劳损伤定量表征方法。

首先，采用金属磁记忆检测仪，对不同低周疲劳损伤程度(不同疲劳循环周次)的缺口件进行检测，得到不同疲劳损伤程度下缺口件的磁记忆信号；然后，提取磁信号特征参量磁信号最大值H_p(y)_max和最小值H_p(y)_min间的差值H_p(y)_sub、磁记忆信号强度梯度最大值K_max，以磁记忆信号特征参量作为连续损伤力学中的损伤变量，建立损伤度D表达模型，即D＝1-ΔH_p(y)_sub0/ΔH_p(y)_subN和D＝1-ΔK_max0/ΔK_maxN，在连续损伤力学的框架内，建立基于磁记忆信号特征参量的定量表征材料疲劳损伤的损伤力学模型，即D＝D_A-P(1-N/N_f)^ψ(Δσ)，并且，根据不同疲劳应力水平下建立的基于磁记忆信号特征参量的损伤力学模型，得到疲劳应力与损伤累积程度参量ψ(Δσ)的关系。

建立的表征缺口件铁磁材料低周疲劳损伤的损伤力学模型D＝D_A-P(1-N/N_f)^ψ(Δσ)中，材料失效的损伤度D的边界值D_A是以磁记忆信号特征参量的变化特征来进行定义的。

根据疲劳应力Δσ与损伤累积程度参量ψ(Δσ)关系而预测在不同的低周疲劳应力下材料的疲劳损伤，其Δσ-ψ(Δσ)关系是根据不同疲劳应力下基于磁记忆信号特征参量的低周疲劳损伤力学模型的建立。

本发明的优点是：

采用连续损伤力学手段，对缺口件金属铁磁材料进行低周疲劳损伤定量表征，属于基于金属磁记忆检测技术的疲劳损伤定量表征方法。

将金属磁记忆检测技术和连续损伤力学相结合，采用无损伤检测方法对缺口件铁磁材料损伤进行定量力学表征，可实现对低周疲劳损伤的在线实时监测和安全评估，为铁磁材料低周疲劳损伤的无损检测提供了一种可靠的定量力学表征手段。

附图说明

图1在应力集中系数K_t＝3、疲劳应力为0.93σ_0.2条件下，基于磁记忆信号特征参量H_p(y)_sub的缺口件疲劳损伤演化过程；

图2在应力集中系数K_t＝3、疲劳应力为0.58σ_0.2条件下，基于磁记忆信号特征参量K_max的缺口件疲劳损伤演化过程；

图3在应力集中系数K_t＝3条件下，基于磁记忆信号特征参量H_p(y)_sub的缺口件Δσ-ψ(Δσ)关系；

图4在应力集中系数K_t＝3条件下，基于磁记忆信号特征参量K_max的缺口件Δσ-ψ(Δσ)关系；

图5在应力集中系数K_t＝5、疲劳应力为0.65σ_0.2条件下，基于磁记忆信号特征参量H_p(y)_sub的缺口件疲劳损伤演化过程；

图6在应力集中系数K_t＝5条件下，基于磁记忆信号特征参量H_p(y)_sub的缺口件Δσ-ψ(Δσ)关系；

具体实施方式：

根据检测得到的磁记忆信号表征材料的低周疲劳损伤，其特征包括以下过程：

1、提取不同低周疲劳损伤程度下磁记忆信号特征参量H_p(y)_sub和K_max，其中，H_p(y)_sub为磁记忆信号最大值H_p(y)_max和最小值-H_p(y)_min间的差值，即(H_p(y)_sub＝H_p(y)_max-H_p(y)_min)；K_max为磁记忆信号强度梯度最大值，K＝dH_p(y)/dl，dH_p(y)为相邻量采样点之间的差值，dl为相邻量采样点之间的距离。

2、根据连续损伤力学理论，低周疲劳损伤演化规律可由耗散式函数来描述：

$\phi =\frac{Y^2}{2S_0}\frac{\gamma }{{(1-D)}^{m_0}}---\left(1\right)$

其中，D为损伤度，γ为累积塑性应变率，Y是D的相伴参量应变能释放率，S₀、m₀为材料常数。由此可得到低周疲劳损伤表征模型：

D＝1-(1-N/N_f)^ψ(Δσ)                           (2)

其中，N为疲劳循环周次，N_f为疲劳寿命，Δσ为疲劳名义应力范围，ψ(Δσ)为与疲劳应力有关的描述损伤累积程度的参量。一般情况下，式(2)的边界条件为：当N＝N₀时，D＝0，当N＝N_f时，D＝1。

损伤度D是一种用于描述材料内部损伤状态变化发展及其对材料力学作用影响的内部状态参量。在连续损伤力学中，常利用测量材料的塑性应变能、循环应力响应、弹性模量、显微硬度、电阻率等作为损伤变量来表征损伤度D。如，塑性应变能损伤变量表达式如下：

D＝1-ΔS₀/ΔS_N                                (3)

其中，ΔS₀为初始无损伤时的应力-应变曲线面积(塑性应变能)，ΔS_N为循环过程中第N次循环时的应力-应变曲线面积(塑性应变能)。

3、根据步骤1提取得到的磁记忆信号特征参量H_p(y)_sub和K_max，建立以磁记忆信号特征参量作为损伤变量的低周疲劳损伤度表征模型，模型如下：

D＝1-ΔH_p(y)_sub0/ΔH_p(y)s_ubN                         (4)

D＝1-ΔK_max0/ΔK_maxN                             (5)

其中，ΔH_p(y)_sub0和ΔK_max0为初始无损伤时的磁信号特征参量，ΔH_p(y)_subN和ΔK_maxN为循环过程中第N次循环时的磁信号特征参量。

4、根据步骤1提取得到的不同低周疲劳损伤程度的磁记忆信号特征参量H_p(y)_sub和K_max，分别采用式(4)和式(5)对损伤度D进行数据处理，并以为横坐标，D为纵坐标作图，得到D-N/N_f图。

根据试验结果，定义损伤度D边界条件：当N＝N₀时，D＝0，当N＝N_f时，D＝D_A，其中D_A为材料失效时的损伤度值。

5、建立基于磁记忆信号特征参量的连续损伤力学低周疲劳损伤表征模型：

D＝D_A-P(1-N/N_f)^ψ(Δσ)                          (6)

其中，P为系数。

根据式(6)便可得到材料的低周疲劳损伤演化过程。

6、根据不同低周疲劳应力水平下建立的基于磁记忆信号特征参量的连续损伤力学疲劳损伤表征模型，采用数值拟和技术(如利用ORINGN软件)，得到低周疲劳应力与描述损伤累积程度参量ψ(Δσ)的关系。由此可预测在不同的低周疲劳应力水平下材料的疲劳损伤。

实施例一

对应力集中系数K_t＝3的缺口件在三种不同的低周疲劳应力水平下进行疲劳试验(疲劳应力分别为0.93σ_0.2、0.76σ_0.2和0.58σ_0.2)，采用厦门爱德森EMS2003型智能磁记忆/涡流检测仪对缺口件在不同的疲劳循环周次下进行金属磁记忆信号检测。根据技术方案步骤1～步骤5，对磁记忆信号特征参量及相关数据进行处理，建立基于磁记忆信号特征参量的连续损伤力学低周疲劳损伤模型。分别如下：

基于磁记忆信号特征参量H_p(y)_sub的低周疲劳损伤模型：

0.93σ_0.2:D＝0.45-0.43868(1-N/N_f)^0.22836                 (7)

0.76σ_0.2:D＝0.45-0.27767(1-N/N_f)^0.29091                 (8)

0.58σ_0.2:D＝0.45-0.45694(1-N/N_f)^0.34024                 (9)

基于磁记忆信号特征参量K_max的低周疲劳损伤模型：

0.93σ_0.2:D＝0.9-0.85954(1-N/N_f)^0.1259                   (10)

0.76σ_0.2:D＝0.9-0.90362(1-N/N_f)^0.21148                  (11)

0.58σ_0.2:D＝0.9-0.84057(1-N/N_f)^0.23965            (12)

从而得到不同低周疲劳应力水平下缺口件的疲劳损伤演化模型，分别见图1和图2。

根据技术方案步骤6，得到疲劳应力Δσ与参量ψ(Δσ)的关系，并进行线性拟合。分别如下：

基于磁记忆信号特征参量H_p(y)_sub的Δσ-ψ(Δσ)关系(见图3)：

ψ(Δσ)＝0.5296-0.0003397Δσ                               (13)

相关系数：R＝0.9976

基于磁记忆信号特征参量K_max的Δσ-ψ(Δσ)关系(见图4)：

ψ(Δσ)＝0.4395-0.0003454Δσ                               (14)

相关系数：R＝0.9600

可见，将金属磁记忆检测技术和连续损伤力学相结合，采用基于磁记忆信号特征参量的定量表征缺口件材料低周疲劳损伤方法，能够准确反映材料的低周疲劳损伤演化过程，定量评估材料损伤，并且可实现对构件低周疲劳损伤的在线实时监测和安全评估，为铁磁材料低周疲劳损伤的无损检测提供了一种可靠的定量力学表征手段。

实施例二

实施例：应力集中系数K_t＝5的缺口件基于磁记忆信号特征参量H_p(y)_sub的低周疲劳损伤表征

对应力集中系数K_t＝5的缺口件在三种不同的低周疲劳应力水平下进行疲劳试验(疲劳应力分别为0.65σ_0.2、0.50σ_0.2和0.35σ_0.2)，采用厦门爱德森EMS2003型智能磁记忆/涡流检测仪对缺口件在不同的疲劳循环周次下进行金属磁记忆信号检测。根据技术方案步骤1～步骤5，对磁记忆信号特征参量及相关数据进行处理，建立基于磁记忆信号特征参量的连续损伤力学低周疲劳损伤模型。分别如下：

基于磁记忆信号特征参量H_p(y)_sub的低周疲劳损伤模型：

0.65σ_0.2:D＝0.53-0.39769(1-N/N_f)^0.55251        (15)

0.65σ_0.2:D＝0.53-0.35591(1-N/N_f)^0.45806        (16)

0.50σ_0.2:D＝0.53-0.42292(1-N/N_f)^0.69369        (17)

0.50σ_0.2:D＝0.53-0.44778(1-N/N_f)^0.76238        (18)

0.35σ_0.2:D＝0.53-0.55812(1-N/N_f)^0.9115         (19)

0.35σ_0.2:D＝0.53-0.44005(1-N/N_f)^1.3573         (20)

从而得到不同疲劳应力水平下缺口件的低周疲劳损伤演化模型，分别见图5。

根据技术方案步骤6，得到疲劳应力Δσ与参量ψ(Δσ)的关系，并进行线性拟合。分别如下：

基于磁记忆信号特征参量H_p(y)_sub的Δσ-ψ(Δσ)关系(见图6)：

ψ(Δσ)＝1.4029-0.00125Δσ                      (21)

相关系数：R＝0.97088