您现在的位置: 首页> 研究主题> 声发射信号

声发射信号

声发射信号的相关文献在1985年到2022年内共计551篇,主要集中在金属学与金属工艺、机械、仪表工业、自动化技术、计算机技术 等领域,其中期刊论文234篇、会议论文70篇、专利文献260955篇;相关期刊157种,包括中南大学学报(自然科学版)、煤炭科学技术、无损检测等; 相关会议58种,包括2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议、中国第十五届声发射学术研讨会、第十一届全国随机振动理论与应用学术会议等;声发射信号的相关文献由1570位作者贡献,包括章欣、罗怡、邓艾东等。

声发射信号—发文量

期刊论文>

论文:234 占比:0.09%

会议论文>

论文:70 占比:0.03%

专利文献>

论文:260955 占比:99.88%

总计:261259篇

声发射信号—发文趋势图

声发射信号

-研究学者

  • 章欣
  • 罗怡
  • 邓艾东
  • 李郝林
  • 沈毅
  • 王艳
  • 何攀
  • 林兰天
  • 郝秋实
  • 魏鹏
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

作者

    • 奉凡森; 丁显; 贾明鑫; 王磊; 马志勇
    • 摘要: 为利用声发射信号对风电机组的叶片(下文简称“风电叶片”)的缺陷位置进行定位,并分析信号的衰减特性,以由玻璃纤维-环氧树脂复合材料为主要材料制作的风电叶片为研究对象,通过ANSYS软件中的LS-DYNA模块仿真研究了声发射信号在该复合材料中的传播速度、规律及衰减特性。研究结果表明:声发射信号的传播方向与该复合材料中的玻璃纤维方向之间的夹角越大,声发射信号的传播速度越慢;通过对声发射源进行线定位和面定位后发现,2种定位方式的误差均在5%以内;声发射信号在玻璃纤维-环氧树脂复合材料中具有明显的衰减特性,且随着声发射信号传播距离的增大,衰减程度越来越小。本研究可为风电叶片中声发射传感器的安装位置提供一定的理论依据。
    • 蔚斐; 张通; 刘文杰; 谭辉; 杨鑫; 于祥
    • 摘要: 现有对煤样破坏特征的研究存在力学参数测试较单一、应力加载方向局限性较大等问题,在反演真实地质情况下数值模拟效果存在偏差,并且对煤岩动力灾害和冲击倾向性判定是基于现场实验进行的宏观研究,对于真三轴不同卸荷应力路径下煤样的破坏特性机理研究较少。针对上述问题,以陕西彬长胡家河煤矿工程地质为研究背景,利用高频振动采集及孔内成像三轴动静载实验系统设计了3种不同卸荷应力路径下煤样真三轴实验,对煤样破坏特征、峰值强度特性、声发射响应特征和分形规律进行研究。结果表明:①3种不同卸荷应力路径下煤样破坏模式均为拉-剪复合破坏,煤样宏观裂纹的起裂破坏大多发生在强度相对较低的煤样中;各煤样均为轴向应力不断增加,各水平应力在逐渐降低的过程中为煤样提供了拉应力,导致不同卸荷应力路径下煤样各表面破坏形态显著不同。②3种不同卸荷应力路径下,峰值破坏阶段的应力存在明显差异,标准差达4.35 MPa,占峰值强度平均值的29.25%,当应力载荷超出3种应力路径峰值强度平均值14.87 MPa时,煤样均发生破坏。③在高静载作用下,煤样初始受载后孔隙压密,内部结构较均匀,无裂隙扩展使得在初始阶段损伤变量为0;在损伤稳定发展阶段,煤样内部孔隙达到极限状态发生破裂形成微裂隙,损伤变量为0.04~0.17;在加载过程中微裂隙迅速发育、扩展并汇集成裂隙网,煤样出现宏观破坏,煤样承载能力迅速下降,在损伤加速发展阶段损伤变量呈先急剧增加后平稳的趋势,最大损伤变量达1.0。当煤样受力失稳发生拉-剪破坏后,声发射能量出现突增现象;当声发射能量与损伤变量曲线交汇时煤样开始破裂,声发射能量与煤样破坏具有良好的耦合性。④在不同卸荷应力路径下,煤样分形维数越大,破碎程度越高。
    • 张洪; 刘彬彬; 李云飞
    • 摘要: 针对采用振动对法兰螺栓进行动态激励时采集的声发射信号难以对螺栓连接状态进行精确识别的问题,提出了一种基于注意力网络的信号识别分类方法;采用分段聚合近似和格拉姆角场将声发射信号编码为二维图像,用图像代替一维信号作为诊断依据;为提高对图像的特征提取识别能力,引入注意力机制到残差神经网络中,设计了分组卷积诊断模型,实现了法兰螺栓连接状态的高精度识别。对比所选多种方法的试验结果表明,该方法可以有效地识别螺栓的连接状态,具有较强的细节特征提取能力和泛化性能。
    • 林文鑫
    • 摘要: 针对切入式磨削数控机床的在线监测需求,根据声发射信号强度与磨削力的关系以及传统磨削力理论模型,建立了基于AE信号的切入式磨削均方根曲线理论模型。开展了基于AE信号的磨削工艺试验,分析了不同工装方式、不同加工位置、不同工件材质等磨削重要因素对磨削过程中AE信号的影响规律。对AE信号均方根曲线理论模型进行了试验验证。试验结果表明,所建立的基于AE信号的切入式磨削曲线模型对磨削过程中的AE信号具有良好的预测精度。
    • 张曦; 赵飞; Ahmed Abdeltawab; 张龙佳
    • 摘要: 在精密加工中,刀具的破损状态是影响加工质量的关键性因素之一,本文针对加工过程中出现的刀具破损问题,提出了一种均方根值(RMS)的峰值比较检测方法,用于检测铣刀的破损状态,通过采集声发射(AE)信号的均方根值(RMS)作为特征参数,提取加工过程中的信号峰值,比较相邻峰值的变化程度,计算出刀具的完整率(IR值),判断铣刀的破损状态。通过在铣床上进行实验,验证了此方法的准确性与可行性。
    • 李众; 于洋
    • 摘要: 近年来,随着人工智能的发展与普及,深度学习算法以其高准确率和鲁棒性成为了目前分类识别技术的热门。传统的轴承故障诊断采用振动信号,对早期故障不敏感。由于传统的人工特征提取方法难以准确的表征滚动轴承状态,深度学习算法便逐渐应用于滚动轴承的故障诊断。因此采用滚动轴承的声发射信号并结合神经网络进行故障检测,以更好的对轴承运行中的早期故障进行识别,为此提出了一种基于一维卷积残差神经网络的轴承故障诊断模型,通过多层卷积叠加以提取出数据中更加关键重要的信息。该模型在诊断中能够自适应的从输入数据中学习出所需要的特征。模型采用categorical crossentropy交叉熵损失函数及Adam优化算法实现滚动轴承的故障诊断。在试验台上模拟了早期轴承内圈、外圈、滚动体、保持架故障等四种故障,并利用模型进行了故障的分析和诊断,研究结果表明文章提出的模型对故障的声发射信号拥有良好的识别能力。
    • 孙屹博; 龙海威; 邹丽; 杨鑫华
    • 摘要: 搅拌摩擦焊(friction stir welding,FSW)是一个多物理场耦合过程,焊接过程中声发射信号与焊接缺陷具有关联性.基于声发射检测与多特征融合研究FSW缺陷监测方法,实时检测固态介质中的声发射信号,利用短时傅里叶变换、小波变换、梅尔频谱对声发射信号进行分析,确定焊接缺陷与声发射信号之间的相关性,最后通过concat融合方法构建多特征向量.结果表明,FSW在预制缺陷处具有不同的声发射信号特征.短时傅里叶、小波变换的主要频段集中在20 kHz,出现缺陷时功率分别达到-40,0.8 dB以上,梅尔频谱的主要频段集中在3.5 kHz出现缺陷时功率达到-40 dB以上.应用多层神经网络分别建立基于单特征、多特征向量的焊接缺陷识别模型,多特征向量的焊接缺陷识别模型在数据集中的平均识别率达到97%,比基于单一特征缺陷识别模型提高18%.研究的多特征缺陷识别模型能更准确地对焊接状态进行识别与监测.
    • 王瑶; 刘才学; 何攀; 李朋洲; 陈祖洋
    • 摘要: 为了建立压力管道泄漏声发射衰减定位模型,需要开展压力管道泄漏声发射试验研究。由于试验管道无法按1∶1比例采用核电站压力管道原型,有必要针对相同材质和加工工艺、不同壁厚和外径的金属管道,获取声发射信号在不同壁厚的金属管道中的传播特性规律及差异,揭示金属管道壁厚对声发射波传播衰减的影响。分别采用3种不同尺寸规格的金属管道作为试验对象,运用声发射探测技术获得声发射信号沿着不同壁厚的金属管壁传播的衰减规律,揭示了金属管道壁厚对声发射波传播的影响。结果表明,管道声发射信号的衰减特性随着管道壁厚的不同而变化,在薄壁管中声发射波在传播路径中会产生模式转换,即发生频散现象,各种模式的波相互叠加使信号幅度沿着传播路径未呈单调衰减趋势,用声发射信号的衰减特性做定位时须考虑这一点。
    • 田丽; 郑昊; 谢伟; 李发琪; 王智彪; 李雁浩
    • 摘要: 聚焦超声消融肿瘤过程中的损伤实时监测是临床治疗面临的一个关键难题,双频聚焦超声不仅能提高治疗效率,且能在共焦区域激发出声信号,该声信号的幅值、频率等信息与焦域组织的机械和声学特性紧密相关。该文构建了一种双频聚焦超声治疗及组织损伤实时监测系统。该系统在聚焦超声辐照离体组织过程中,通过外部水听器接收双频激发的组织声发射信号,并通过上位机进行高速数据采集、数字滤波、时频处理等,分析声发射信号幅值与离体组织损伤之间的变化规律。实验研究结果表明:随着焦域组织损伤的形成,其弹性等声学特征发生改变,导致声发射信号幅值逐渐降低,表明声发射信号幅值的变化可较好地反映靶组织声学特征和结构的变化,从而实现聚焦超声治疗中靶组织损伤的实时监测。该文提出的监测方案相比传统超声影像监控更灵敏,有望为聚焦超声临床治疗中的组织损伤监控提供一种新的实时监测方案和手段。
    • 李云飞; 苏文胜
    • 摘要: 为解决大型回转支承转速低、背景噪声大、常规的声发射诊断方法难以适用的问题,提出一种基于灰度图和ResNet模型相结合的声发射信号处理方法。将声发射信号编码为二维灰度图像,并通过ResNet模型识别声发射信号编码得到的灰度图,通过训练模型实现对大型回转支承的故障诊断。对某型号大型回转支承进行试验,结果表明:以时序二维化后的灰度图作为故障诊断依据,可以显著提高回转支承的故障诊断准确率;相比于传统方法,所提方法泛化性能和鲁棒性能更好,可以很好地应用在实际工况中的大型回转支承故障诊断。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号